👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Muchas gracias.. No entedi la relacion de sns y matplotlib hasta que vi este video, muhas bendiciones para ti y tu equipo de trabajo para continuar creando este tipo de contenido
Muchas gracias por tus comentarios y las sugerencias. De hecho, justo tengo el video de pairplot en mi lista de videos por hacer. Además, en el canal, ya tenemos un video muy introductorio sobre distribución de datos e histogramas (ruclips.net/video/a013caLihMg/видео.html) y otro sobre diagramas de caja (ruclips.net/video/wsfV4AO8UFw/видео.html) con matplotlib. Gracias por ver el contenido del canal :)
@emilianolopezfilippini8220 te agradezco mucho tu comentario. Dando like, comentando y/o compartiendo el video, ayudas a que este contenido llegue a más personas ¡¡¡GRACIAS!!!
Buenos días y muy bueno tu video. Una consulta: ¿será posible que el sexo esté representado en un solo gráfico con figuras distintas, por ejemplo, circulo: macho; cuadrado: hembra? agradezco tu respuesta
Hola @ernestofigueroa4059. Gracias por ver el contenido del canal y por la pregunta. Con respecto a esta, sí, efectivamente es posible utilizar diferentes marcadores (o figuras) para representar el género de las personas. Es cuestión de jugar con un parámetro llamado hue, usando por ejemplo: hue = "genero".
Excelente video, me ayudó mucho y para agradecer como crítica constructiva, en el minuto 43 te confundes diciendo que el eje de las x tiene la isla, cuando en pantalla se muestra la especie.
Muy buen contenido. Me ha servido bastante, muchas gracias por compartir su conocimiento. Una cosa nada más; ya no me acepta el parámetro ci="sd". Me dice que use errorbar="sd" [Agosto - 2024].
Hola maestro, antes que nada muchas gracias por compatir tanto conocimiento, es el mejor canal de ciencia de datos que haya visto. Tengo un problema al parecer es muy reciente y tendrá que ver con las versiones de Seaborn y de Numpy cuando llego a los gráficos de línea muetra el siguiente error: TypeError: ufunc 'isfinite' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe'' Si sabe de alguna solución o si alguien más encuentra una solución, agradeceria si me lo hacen saber.
Muchas gracias por tus comentarios Ronal. Ciertamente, podría ser cuestión de problemas de versiones, de hecho, la versión más actual de seaborn es 0.12 y está en constante en cambio. De cualquier manera, leí un poco sobre el error que te marca y encontré que aparece cuando hay un tipo de dato "Object" y que se podría corregir usando arreglo = np.array(arreglo, dtype=float) para cambiarlo a tipo float. Gracias por seguir el contenido de canal :)
Estimado David, muchas gracias por ver nuestros videos y por interactuar con el contenido. Lamentablemente, no tenemos cursos particulares, no obstante, el orden de subida de los videos puede ser una muy buena base para apoyar tu aprendizaje autodidacta. Te comento que solo subo videos cuyo prerrequisitos se encuentran en este mismo canal. De hecho, de ahí que el primer video de este canal sea la instalación de Python. Entonces, mi sugerencia es que entres a la página del canal y sigas el orden de subida de los videos brincándote aquellos temas que ya sean familiares para ti.
@luisvallejo2380 muchas gracias por la pregunta. La visualización de datos se realiza con varios fines. Entre estos se encuentran: 1) entender mejor los datos; 2) encontrar patrones o tendencias en ellos, y 3) detectar potenciales relaciones entre variables. Por ejemplo, podrías explorar visualmente si la actividad física tiene alguna relación con los valores de azúcar en la sangre de las personas.
Hola Elizabeth. Te recomiendo que le eches un ojo a nuestra guía para aprender machine learning usando python. Empezamos con programación básica y terminamos con las diferentes técnicas de aprendizaje de máquina. Aquí va la guía ruclips.net/video/lomJnbN5Wnk/видео.html
Hola Asensio. Gracias por el interés en nuestro contenido. Los datos de los pingüinos son de la librería seaborn. Puedes descargar la libreta del video (que tiene el código para acceder a esos datos) en: github.com/CodigoMaquina/code/blob/main/visualizacion_datos/seaborn_graficas_relacionales.ipynb
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Muchas gracias.. No entedi la relacion de sns y matplotlib hasta que vi este video, muhas bendiciones para ti y tu equipo de trabajo para continuar creando este tipo de contenido
Estimado José muchas gracias por las bendiciones y por tus comentarios :)
Muchas gracias por todo el contenido que sube, es de mucha ayuda
Es un placer. Muchas gracias por tus comentarios :)
Muchas Gracias Maestro Octavio, super detallado desde el principio muy entretenido. Gran Aprendizaje👌
Nuevamente gracias por tus comentarios, en verdad que son apreciados :)
Tremendo canal. Felicitaciones
¡Muchas gracias Javier!
¡Excelente! Súper gracias 😊
@AlbertoDuqueVillegas gracias por seguir el contenido del canal y ¡¡¡feliz año!!!
muy bueno, +1 suscriptor
Muchas gracias! 😊
excelente video.. muy bien explicado..
Muchas gracias!!! :)
Tremenda explicacion. Super super claro todo. No se si tendras un video de Graficas de Distribucion y alguno sobre pairplot? Muchas gracias!
Muchas gracias por tus comentarios y las sugerencias. De hecho, justo tengo el video de pairplot en mi lista de videos por hacer. Además, en el canal, ya tenemos un video muy introductorio sobre distribución de datos e histogramas (ruclips.net/video/a013caLihMg/видео.html) y otro sobre diagramas de caja (ruclips.net/video/wsfV4AO8UFw/видео.html) con matplotlib. Gracias por ver el contenido del canal :)
Excelente video...
@giancarlogian8313 muchas gracias y feliz año!!!
Excelente che!
@emilianolopezfilippini8220 te agradezco mucho tu comentario.
Dando like, comentando y/o compartiendo el video, ayudas a que este contenido llegue a más personas ¡¡¡GRACIAS!!!
QUE BUEN VIDEO 🤓
Muchas gracias Luis!!!
Buenos días y muy bueno tu video. Una consulta: ¿será posible que el sexo esté representado en un solo gráfico con figuras distintas, por ejemplo, circulo: macho; cuadrado: hembra? agradezco tu respuesta
Hola @ernestofigueroa4059. Gracias por ver el contenido del canal y por la pregunta. Con respecto a esta, sí, efectivamente es posible utilizar diferentes marcadores (o figuras) para representar el género de las personas. Es cuestión de jugar con un parámetro llamado hue, usando por ejemplo: hue = "genero".
Excelente video, me ayudó mucho y para agradecer como crítica constructiva, en el minuto 43 te confundes diciendo que el eje de las x tiene la isla, cuando en pantalla se muestra la especie.
Muy buen contenido. Me ha servido bastante, muchas gracias por compartir su conocimiento. Una cosa nada más; ya no me acepta el parámetro ci="sd". Me dice que use errorbar="sd" [Agosto - 2024].
Hola maestro, antes que nada muchas gracias por compatir tanto conocimiento, es el mejor canal de ciencia de datos que haya visto. Tengo un problema al parecer es muy reciente y tendrá que ver con las versiones de Seaborn y de Numpy cuando llego a los gráficos de línea muetra el siguiente error:
TypeError: ufunc 'isfinite' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
Si sabe de alguna solución o si alguien más encuentra una solución, agradeceria si me lo hacen saber.
Muchas gracias por tus comentarios Ronal. Ciertamente, podría ser cuestión de problemas de versiones, de hecho, la versión más actual de seaborn es 0.12 y está en constante en cambio. De cualquier manera, leí un poco sobre el error que te marca y encontré que aparece cuando hay un tipo de dato "Object" y que se podría corregir usando arreglo = np.array(arreglo, dtype=float) para cambiarlo a tipo float. Gracias por seguir el contenido de canal :)
Hola que tal, me veo todos tus videos, hay forma de pagar un curso desde lo básico para análisis de datos ?
Estimado David, muchas gracias por ver nuestros videos y por interactuar con el contenido. Lamentablemente, no tenemos cursos particulares, no obstante, el orden de subida de los videos puede ser una muy buena base para apoyar tu aprendizaje autodidacta. Te comento que solo subo videos cuyo prerrequisitos se encuentran en este mismo canal. De hecho, de ahí que el primer video de este canal sea la instalación de Python. Entonces, mi sugerencia es que entres a la página del canal y sigas el orden de subida de los videos brincándote aquellos temas que ya sean familiares para ti.
The only tNice tutorialng I have given my full attention for in my entire life and I then watched it again.
Thank you for your comments :) By the way, tomorrow I am going to upload the next part: plotting with categorial data.
Perdón la ignorancia pero para que puede servir esto ?
@luisvallejo2380 muchas gracias por la pregunta. La visualización de datos se realiza con varios fines. Entre estos se encuentran: 1) entender mejor los datos; 2) encontrar patrones o tendencias en ellos, y 3) detectar potenciales relaciones entre variables. Por ejemplo, podrías explorar visualmente si la actividad física tiene alguna relación con los valores de azúcar en la sangre de las personas.
no se como representar dos variables x
Hola Elizabeth. Te recomiendo que le eches un ojo a nuestra guía para aprender machine learning usando python. Empezamos con programación básica y terminamos con las diferentes técnicas de aprendizaje de máquina. Aquí va la guía ruclips.net/video/lomJnbN5Wnk/видео.html
@@CodigoMaquina gracias, estuve viendo y resolví con un dendograma. Podrías hacer un video de ese tipo d
Đonde esta el archivo de pinguinos
Hola Asensio. Gracias por el interés en nuestro contenido. Los datos de los pingüinos son de la librería seaborn. Puedes descargar la libreta del video (que tiene el código para acceder a esos datos) en: github.com/CodigoMaquina/code/blob/main/visualizacion_datos/seaborn_graficas_relacionales.ipynb