Histogramas y Diagramas de Caja

Acerca de Histograms

Para evaluar visualmente la distribución, necesitas construir histogramas. Si las distribuciones se alejan de la normal, deberíamos notarlo de inmediato.

¡Hora de graficar! Construyamos distribuciones para dos grupos en un mismo gráfico.


              123456789101112131415161718192021
            
# Import the libraries 
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Read .csv files 
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Plotting hists of Impression columns 
sns.histplot(df_control['Impression'], color='#1e2635', label='Group A')
sns.histplot(df_test['Impression'], color='#ff8a00', label='Group B')

# Add the legend to the graph
plt.legend(title='Groups')
plt.xlabel('Impression')
plt.ylabel('Frequency')
plt.title('Distribution of Impressions')

# Show the graph
plt.show()

En este código, utilizamos la función sns.histplot de la biblioteca seaborn. La aplicamos a la columna deseada df_control['Impression'] para compararla con df_test['Impression'].

¿Son estas distribuciones normales? Difícil de decir...

Echemos un vistazo a los diagramas de caja:

Acerca de Diagramas de caja


              12345678910111213141516171819202122232425
            
# Import libraries
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Read .csv files 
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Add to the dataframes columns-labels, which mean belonging to either the control or the test group
df_control['group'] = 'Contol group'
df_test['group'] = 'Test group'

# Concat control and test dataframes 
df_combined = pd.concat([df_control, df_test])
sns.boxplot(data=df_combined, x='group', y='Impression', palette=['#1e2635', '#ff8a00'],
            medianprops={'color': 'red'})

# Sign the axes
plt.xlabel('')
plt.ylabel('Impression')
plt.title('Comparison of Impressions')

# Show the results
plt.show()

Aun después de los boxplots, no está claro si las distribuciones son normales.

Para mostrar dos boxplots en el mismo gráfico, combinamos los data frames utilizando la función pd.concat.

Después, utilizamos la función sns.boxplot, pasando el data frame combinado df_combined a ella. En el eje x están los valores de la columna 'Impression', y en el eje y están los Grupo de Control y Grupo de Prueba. Con la ayuda de la biblioteca matplotlib, firmamos el gráfico y los ejes.

Aun después de los boxplots, no está claro si las distribuciones son normales. Pero en la normalidad, necesitamos estar seguros.

¿Cómo hacerlo? Los tests estadísticos vienen al rescate, los cuales discutiremos en el próximo capítulo.

¿Todo estuvo claro?

Sección 2. Capítulo 4