import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt import datetime import os

pwd

os.chdir('\\Users\\Goda\\anaconda3\\envs\\unicornenv\\conda-meta')

df = pd.read_csv('poblacion_INE_limpio.csv')

df

df.info()

#Arriba vemos que la fecha esta en formato objeto y no fecha, por lo que hay que cambiarlo\ #Podemos cambiarlo al momento de la importacion de datos, para ello generamos una variable #donde vamos a guardar una funcion landa que va a contener un parceo para las fechas... dateparse = lambda dates: datetime.datetime.strptime(dates, '%Y-%m-%d') #Una vez cambiada la fecha en formato fecha, volvemos a importar el archivo para ello... #Indicamos que importe el archivo sobre el cual se esta trabajando... #Solicitamos que lo parsee con parse_dates = [columna con fechas], #Indicamos como queremos que realice el parse df = pd.read_csv('poblacion_INE_limpio[1].csv', parse_dates = ['fecha'], date_parser = dateparse)

dateparse = lambda dates: datetime.datetime.strptime(dates, '%Y-%m-%d') df = pd.read_csv('poblacion_INE_limpio[1].csv', parse_dates = ['fecha'], date_parser = dateparse)

df.info()

df.to_csv('poblacion_INE_limpio[1].csv', index = False) #Aqui index = False, permite que no duplique los indices

df = pd.read_csv('poblacion_INE_limpio[1].csv')

df

df.fecha[df.tipo_dato == 'Total']

df.poblacion[df.tipo_dato == 'Total']

plt.figure(figsize = (9,4)) plt.plot(df.fecha[df.tipo_dato == 'Total'], df.poblacion[df.tipo_dato == 'Total']/1000000, color = 'tab:red') plt.xlabel('Fecha') plt.ylabel('Poblacion (millones)') plt.title('Poblacion Total') plt.show()

df.tipo_dato.unique()

#Aqui creamos una funcion de manera que se creen graficos de manera automatica... def plot_df(x, y, title, xlabel, ylabel): plt.figure(figsize = (9,4)) plt.plot(x, y/1000000, color = 'tab:red') plt.xlabel(xlabel) plt.ylabel(ylabel) plt.title(title) plt.show()

#Creamos un bucle for para automatizar la funcion... for i in df.tipo_dato.unique(): plot_df(df.fecha[df.tipo_dato == i], df.poblacion[df.tipo_dato == i], 'Poblacion {0}'.format(i), 'Fecha', 'Poblacion (millones)');

import matplotlib as mpl #Para requerir d ela biblioteca el listado de colores mpl.colors.XKCD_COLORS.keys() list(mpl.colors.XKCD_COLORS.keys())

#Para cargar 3 colores al azar utilizamos numpy #Numpy tiene una funcin para tomar algo al azar, se debe poner una semilla #Creamos una funcion que tome al azar colores sobre una df de cualquier longitud (lo automatozamos) np.random.seed(35) mycolors = np.random.choice(list(mpl.colors.XKCD_COLORS.keys()), len(df.tipo_dato.unique()), replace = False);

mycolors #Aqui vemos que tomo los colores, rosado, verde grisaseoa y azul oscuro

np.random.seed(35) mycolors = np.random.choice(list(mpl.colors.XKCD_COLORS.keys()), len(df.tipo_dato.unique()), replace = False);

mycolors

#Vamos a realizar la grafica personalizada... #Creamos un bucle for... #Vemos que necesitamos el tipo se serie (hombres, mujeres), pero no lo puedo pasar a mi lista de colores #ya que no diferencia colores hombre y colores mujeres, para ello, #usamos funcion enumerate (permite recorrer una lista y su indoce al mismo tiempo) #Se le indica lo que va en el eje de las x 'fecha' y las y ' poblacion' #la leyenda lo colocamos fuera del bucle for... plt.legend() plt.figure(figsize = (9, 4), dpi = 80) for i, d in enumerate(df.tipo_dato.unique()): plt.plot('fecha', 'poblacion', data = df[df.tipo_dato == d], color = mycolors[i], label = d) plt.legend() plt.xlabel('Fecha') plt.ylabel('Poblacion (millones)') plt.title('Poblacion espanola (1971 - 2022)', fontsize = 15, pad = 20) plt.show() #plt.plot(df.fecha[df.tipo_dato == 'Total'], df.poblacion[df.tipo_dato == 'Total']/1000000, color = 'tab:red')

#Para realizar lo mismo con la biblioteca Seaborn... #Agregamos una variebla diferenciadora hue = df.tipo_dato... #Aunque presenta limitaciones, leyenda tipo_dato, se puede cambiar, falta titulo del grafico sns.lineplot(x = df.fecha, y = df.poblacion/1000000, hue = df.tipo_dato);

#Aqui combinamos Seaborn (Sns) con Matplotlib (plt) sns.lineplot(x = df.fecha, y = df.poblacion/1000000, hue = df.tipo_dato) plt.title('Poblacion espanola (1971 - 2022)', fontsize = 15, pad = 20) plt.legend(title = 'Series');

#Para personalizar el grafico desde seaborn... sns.set_theme(style = 'whitegrid')

sns.lineplot(x = df.fecha, y = df.poblacion/1000000, hue = df.tipo_dato) plt.title('Poblacion espanola (1971 - 2022)', fontsize = 15, pad = 20) plt.legend(title = 'Series');

#Si queremos restringir a hombres y mujeres... #Cambiamos el titulo, ya no es poblacion espanola sino hombres vs mujeres sns.lineplot(x = df.fecha[df.tipo_dato != 'Total'], y = df.poblacion[df.tipo_dato != 'Total']/1000000, hue = df.tipo_dato) plt.title('Poblacion espanola (1971 - 2022), Mujeres vs. Hombres', fontsize = 15, pad = 20) plt.legend(title = 'Series', labels = ['Mujeres', 'Hombres']);

#Para estudiar la distribucion de la poblacion espanola podemos realizar un grafico de box.plot (de cajas y bigotes) sns.boxplot(x = 'tipo_dato', y = df.poblacion/1000000, data = df) plt.xlabel('Fecha') plt.ylabel('Poblacion (millones)') plt.title('Poblacion espanola (1971 - 2022)', fontsize = 15, pad = 20) plt.show()

#Si queremos visualizar los puntos...usamos sns.swarm.plot() plt.figure(figsize = (9, 7), dpi = 80) sns.swarmplot(x = 'tipo_dato', y = df.poblacion/1000000, data = df) plt.xlabel('Fecha') plt.ylabel('Poblacion (millones)') plt.title('Poblacion espanola (1971 - 2022)', fontsize = 15, pad = 20) plt.show()

#Definimos una variable g usando un grafico de tipo catplot #inner para que conjuge swarmplot con el grafico de violin g = sns.catplot(x = 'tipo_dato', y = df.poblacion/1000000, data = df, kind = 'violin', inner = None) sns.swarmplot(x = 'tipo_dato', y = df.poblacion/1000000, data = df, ax = g.ax, color = 'k', size = 3) plt.xlabel('Fecha') plt.ylabel('Población (millones)') plt.title('Población española (1971-2022)', fontsize = 15, pad = 20) plt.show()

g = sns.catplot(x='tipo_dato', y='poblacion_millones', data=df, kind='violin', inner=None) sns.swarmplot(x='tipo_dato', y='poblacion_millones', data=df, ax=g.ax, color='k', size=3) plt.xlabel('Fecha') plt.ylabel('Población (millones)') plt.title('Población española (1971-2022)', fontsize = 15, pad = 20) plt.show()

#Definomos los axes, con subplots, de 1 fila y 2 columnas (graficos de barras)... fig, axes = plt.subplots(1,2,figsize=(15,5), dpi=80) sns.barplot(x='tipo_dato', y=df.poblacion/1000000, data=df, ax=axes[0]) sns.barplot(x='mes', y=df.poblacion/1000000, data=df[(df.tipo_dato == 'Total') & (df.año.isin([1980, 2022]))]) axes[0].set_title('Población Española por serie (1971-2022)', fontsize=15, pad = 10) for p in axes[1].patches: #Para pintar el calculo de la media axes[1].annotate(f'media:\n{p.get_height():0.2f}', (p.get_x() + p.get_width() / 2., p.get_height() / 2), ha='center', va='center', xytext=(0, 10), textcoords='offset points') axes[1].set_title('Poblacion espanola Total (1980 - 2022)', fontsize=15, pad=10) plt.show()

#Aqui podemos ver como va variando la poblacion a lo largo de las decadas plt.figure(figsize=(15,6), dpi = 80) sns.barplot(x='decadas', y=df.poblacion/1000000, data=df[df.tipo_dato == 'Total'], hue = 'mes') plt.xticks(rotation = 45);

df.groupby(['tipo_dato', 'decadas', 'mes']).incremento_pob.sum()

plt.figure(figsize=(15,6), dpi= 80) sns.barplot(x='decadas', y=df.poblacion/1000000, data=df[df.tipo_dato == 'Total'], hue = 'mes') plt.xticks(rotation = 45);