IDEAS DE VISUALIZACIÓN PARA LOS GRÁFICOS DE SERIES TEMPORALES MÚLTIPLES
#SLICEofDATA Tu porción diaria de Data Analytics en solo 15 minutos
Datos de series temporales múltiples
Un gráfico de serie temporal con una sola línea es un gráfico útil para expresar datos con secuencias largas. Consiste en un eje X que representa la línea de tiempo y un eje Y que muestra el valor. Se trata de un método estándar, ya que el concepto es sencillo y fácil de entender. El gráfico puede ayudarnos a extraer cierta información sobre las tendencias y los efectos estacionales.
Sin embargo, muchas líneas en el gráfico de series temporales múltiples pueden dificultar las cosas:
Las líneas superpuestas son difíciles de leer. En 2017, se puede ver que la cantidad de PM2,5 en muchas estaciones iba en la misma dirección. Sin embargo, en 2018 y 2019, las líneas de contaminación fueron arbitrarias y es difícil distinguirlas.
Ideas de Visualización (Python)
1. No cambiar nada pero hacer la trama interactiva.
Plotly es una biblioteca de gráficos para hacer gráficos interactivos. El gráfico interactivo ayuda a ampliar el área con líneas superpuestas.
2. Comparación uno a uno con Small Multiple Time Series
Con la librería Seaborn, podemos hacer las pequeñas series temporales múltiples. La idea detrás de estos gráficos es trazar cada línea una por una mientras se compara con la silueta de las otras líneas. El código en el enlace del sitio web oficial está aquí.
3. Cambiar el punto de vista con Facet Grid
FacetGrid de Seaborn se puede utilizar para hacer cuadrículas multiparcelarias. En este caso, los atributos "Mes" y "Año" se establecen como filas y columnas respectivamente. Desde otra perspectiva, los valores pueden compararse simultáneamente de forma mensual en vertical y anual en horizontal.
4. Usar un Mapa de Calor
Un mapa de calor representa los datos en un gráfico bidimensional que muestra los valores en colores. Para tratar los datos de la serie temporal, podemos establecer los grupos en la dimensión vertical y la línea de tiempo en la horizontal. La diferencia de color ayuda a distinguir los grupos.
5. Aplicación de ángulos con Radar Chart
Podemos establecer el eje angular en el gráfico de dispersión en Plotly para crear un gráfico de radar interactivo. Cada mes será seleccionado como una variable en el círculo. Por ejemplo creando un gráfico de radar comparando el promedio mensual de PM2.5 de los 25 distritos en 2019.
6. Encajar el diagrama de barras con el diagrama de barras circulares (Race Track Plot)
El concepto de Diagrama de Barras Circulares (también conocido como Race Track Plot) es muy sencillo porque se trata simplemente de diagramas de barras en un círculo. Podemos trazar un Bar Plot Circular mensualmente y luego hacer un collage de fotos para comparar el proceso a lo largo del tiempo.
La siguiente imagen muestra un ejemplo de Diagrama de Barras Circulares que vamos a crear. La desventaja de este gráfico es que es difícil comparar entre categorías. Por cierto, es una buena opción para llamar la atención con un efecto llamativo.
7. Empezando por el centro con la Radial Plot
Al igual que el Gráfico de Race Track Plot, el Radial Plot se basa en gráficos de barras que utilizan coordenadas polares en lugar de coordenadas cartesianas. Este tipo de gráfico es inconveniente cuando se comparan categorías alejadas entre sí, pero es una excelente opción para llamar la atención. Se puede utilizar en Infografía.
8. Mostrar densidades con densidades superpuestas (Ridge plot)
Las densidades superpuestas (Ridge plot) pueden utilizarse con datos de series temporales múltiples estableciendo un eje como línea de tiempo. Al igual que los gráficos de barras circulares y los gráficos radiales, el gráfico Ridge puede llamar la atención de la gente. El código del sitio web oficial de Seaborn está aquí.
Ref: Seoul Metropolitan Government. (2021, May). Air Pollution Measurement Information in Seoul, Korea. Retrieved April 24, 2022 from https://www.kaggle.com/datasets/bappekim/air-pollution-in-seoul
Towards Data Science, 8 Visualizations with Python to Handle Multiple Time-Series Data, April 2022, Boriharn K
Author: Plotly Technologies Inc. Title: Collaborative data science Publisher: Plotly Technologies Inc. Place of publication: Montréal, QC Date of publication: 2015 URL:
https://plot.ly