La representació gràfica de dades és una eina fonamental en estadística que permet visualitzar la distribució, les tendències i les relacions dins d'un conjunt de dades. Aquest mòdul cobreix els diferents tipus de gràfics i com utilitzar-los adequadament.
Objectius del Mòdul
- Comprendre la importància de la representació gràfica de dades.
- Aprendre a crear i interpretar diferents tipus de gràfics.
- Saber seleccionar el tipus de gràfic adequat segons el tipus de dades i l'objectiu de l'anàlisi.
Tipus de Gràfics
- Gràfic de Barres
Els gràfics de barres són útils per comparar diferents categories entre si.
Característiques:
- Cada barra representa una categoria.
- L'alçada o longitud de la barra és proporcional al valor que representa.
Exemple:
import matplotlib.pyplot as plt
categories = ['A', 'B', 'C', 'D']
valors = [23, 45, 56, 78]
plt.bar(categories, valors)
plt.xlabel('Categories')
plt.ylabel('Valors')
plt.title('Gràfic de Barres')
plt.show()Explicació:
categoriesés una llista de les categories.valorsés una llista dels valors corresponents a cada categoria.plt.bar()crea el gràfic de barres.plt.xlabel(),plt.ylabel(), iplt.title()afegeixen etiquetes i títol al gràfic.
- Gràfic de Línies
Els gràfics de línies són ideals per mostrar dades que canvien al llarg del temps.
Característiques:
- Els punts de dades estan connectats per línies.
- S'utilitzen per mostrar tendències.
Exemple:
import matplotlib.pyplot as plt
temps = [1, 2, 3, 4, 5]
valors = [10, 20, 15, 25, 30]
plt.plot(temps, valors, marker='o')
plt.xlabel('Temps')
plt.ylabel('Valors')
plt.title('Gràfic de Línies')
plt.show()Explicació:
tempsés una llista dels punts de temps.valorsés una llista dels valors corresponents a cada punt de temps.plt.plot()crea el gràfic de línies.marker='o'afegeix marcadors als punts de dades.
- Gràfic de Sectors (Pastís)
Els gràfics de sectors són útils per mostrar la proporció de cada categoria respecte al total.
Característiques:
- Cada sector representa una categoria.
- La mida de cada sector és proporcional al valor que representa.
Exemple:
import matplotlib.pyplot as plt
categories = ['A', 'B', 'C', 'D']
valors = [23, 45, 56, 78]
plt.pie(valors, labels=categories, autopct='%1.1f%%')
plt.title('Gràfic de Sectors')
plt.show()Explicació:
plt.pie()crea el gràfic de sectors.labels=categoriesafegeix etiquetes als sectors.autopct='%1.1f%%'mostra els percentatges de cada sector.
- Histograma
Els histogrames són utilitzats per mostrar la distribució d'un conjunt de dades contínues.
Característiques:
- Les dades es divideixen en intervals (bins).
- L'alçada de cada barra representa la freqüència de dades dins de cada interval.
Exemple:
import matplotlib.pyplot as plt
dades = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
plt.hist(dades, bins=5, edgecolor='black')
plt.xlabel('Valors')
plt.ylabel('Frequència')
plt.title('Histograma')
plt.show()Explicació:
dadesés una llista de dades contínues.plt.hist()crea l'histograma.bins=5especifica el nombre d'intervals.edgecolor='black'afegeix un contorn negre a les barres.
- Diagrama de Dispersió
Els diagrames de dispersió són utilitzats per mostrar la relació entre dues variables contínues.
Característiques:
- Cada punt representa una observació.
- S'utilitzen per identificar correlacions.
Exemple:
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y)
plt.xlabel('Variable X')
plt.ylabel('Variable Y')
plt.title('Diagrama de Dispersió')
plt.show()Explicació:
xés una llista de valors de la primera variable.yés una llista de valors de la segona variable.plt.scatter()crea el diagrama de dispersió.
Exercicis Pràctics
Exercici 1: Crear un Gràfic de Barres
Crea un gràfic de barres utilitzant les següents dades:
- Categories: ['E', 'F', 'G', 'H']
- Valors: [34, 23, 54, 67]
Solució:
import matplotlib.pyplot as plt
categories = ['E', 'F', 'G', 'H']
valors = [34, 23, 54, 67]
plt.bar(categories, valors)
plt.xlabel('Categories')
plt.ylabel('Valors')
plt.title('Gràfic de Barres')
plt.show()Exercici 2: Crear un Histograma
Crea un histograma utilitzant les següents dades:
- Dades: [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 7, 7, 8]
Solució:
import matplotlib.pyplot as plt
dades = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 7, 7, 8]
plt.hist(dades, bins=7, edgecolor='black')
plt.xlabel('Valors')
plt.ylabel('Frequència')
plt.title('Histograma')
plt.show()Errors Comuns i Consells
Errors Comuns:
- Seleccionar el tipus de gràfic incorrecte: Assegura't de triar el tipus de gràfic que millor s'adapti a les teves dades i l'objectiu de l'anàlisi.
- No etiquetar els eixos: Sempre etiqueta els eixos per clarificar què representen.
- No afegir un títol: Un títol ajuda a entendre ràpidament de què tracta el gràfic.
Consells:
- Utilitza colors contrastants: Això ajuda a diferenciar clarament les categories o les sèries de dades.
- Mantén el gràfic simple: Evita afegir elements innecessaris que puguin distreure de la informació principal.
- Revisa la llegibilitat: Assegura't que les etiquetes, els títols i les llegendes siguin fàcils de llegir.
Resum
En aquest mòdul, hem après sobre diferents tipus de gràfics i com utilitzar-los per representar dades de manera efectiva. Hem vist exemples pràctics de com crear gràfics de barres, línies, sectors, histogrames i diagrames de dispersió utilitzant Python. També hem practicat amb exercicis per reforçar els conceptes apresos. La representació gràfica de dades és una eina poderosa per comunicar informació de manera clara i visual, i és essencial per qualsevol anàlisi estadística.