Comprensión de los gráficos del iris: definición y estructura
Estructura básica de un gráfico de iris que muestra ejes radiales y segmentación de datos.
Un gráfico de iris (a veces llamado gráfico radial o diagrama de área polar) es un método de visualización circular que muestra datos multivariados a lo largo de múltiples ejes que se extienden desde un punto central. Cada eje representa una variable diferente, con puntos de datos trazados a lo largo de estos ejes y conectados para formar formas cerradas. La visualización resultante se asemeja a un iris, de ahí el nombre.
La estructura fundamental de un gráfico de iris incluye:
- Un punto de origen central desde el cual irradian todos los ejes.
- Múltiples ejes radiales que representan diferentes variables.
- Puntos de datos trazados a lo largo de cada eje según sus valores
- Líneas conectadas o áreas rellenas entre puntos de datos
- Codificación de colores opcional para representar dimensiones adicionales.
Los gráficos de iris destacan por revelar patrones, valores atípicos y relaciones en múltiples dimensiones simultáneamente. Su naturaleza radial los hace particularmente efectivos para datos cíclicos, análisis comparativos y situaciones en las que los gráficos tradicionales pueden tener dificultades para mostrar relaciones complejas con claridad.
¿Listo para comenzar a crear gráficos de iris?
Descargue nuestras plantillas de gráficos de iris gratuitas y comience a visualizar sus datos hoy.
Descargar plantillas gratuitas
Aplicaciones del mundo real de los gráficos de iris
Los gráficos de iris han encontrado aplicaciones en numerosos campos debido a su capacidad para manejar la visualización de datos multivariados de manera efectiva. Aquí hay tres ejemplos convincentes de gráficos de iris en acción:
1. Ciencia de datos: visualización del conjunto de datos Iris de Fisher
Visualización del gráfico de iris del famoso conjunto de datos de iris de Fisher que compara tres especies
Quizás la aplicación más adecuada, el conjunto de datos Iris de Fisher (que casualmente comparte el nombre) se visualiza con frecuencia mediante gráficos de iris. Este famoso conjunto de datos contiene mediciones de cuatro características (longitud del sépalo, ancho del sépalo, longitud del pétalo, ancho del pétalo) para tres especies de iris. Un gráfico de iris muestra elegantemente las cuatro dimensiones simultáneamente, lo que facilita comparar las diferentes especies e identificar características distintivas a través de patrones de segmentación de datos.
2. Métricas de rendimiento en análisis empresarial
Gráfico de iris de desempeño empresarial que muestra los KPI en varios departamentos
Las organizaciones utilizan gráficos de iris para realizar un seguimiento de los indicadores clave de rendimiento en varios departamentos o unidades de negocio. Cada eje representa una métrica diferente (crecimiento de ventas, satisfacción del cliente, eficiencia operativa, etc.), lo que permite a los ejecutivos identificar rápidamente áreas de fortaleza y debilidad. La visualización radial la hace particularmente efectiva para revisiones de desempeño trimestrales o anuales, permitiendo un análisis multivariado de un vistazo.
3. Investigación biológica y médica
Gráfico de iris que muestra patrones de expresión genética en diferentes muestras de tejido
En genómica e investigación médica, los gráficos de iris ayudan a visualizar datos biológicos complejos, como patrones de expresión genética en diferentes muestras de tejido o grupos de pacientes. El formato radial permite a los investigadores trazar múltiples genes o biomarcadores simultáneamente, revelando grupos y correlaciones que podrían no ser evidentes en las visualizaciones tradicionales. Esta aplicación demuestra el poder de la carta del iris en el manejo de conjuntos de datos biológicos de alta dimensión.
Estos ejemplos resaltan la versatilidad de los gráficos de iris en diferentes dominios. Su capacidad para manejar análisis multivariados los convierte en herramientas valiosas para la toma de decisiones basada en datos en contextos tanto científicos como comerciales.
Gráficos de iris frente a otros métodos de visualización
Comparación de gráfico de iris, gráfico circular y gráfico de radar que visualiza el mismo conjunto de datos
Ventajas de los gráficos de iris
- Superior para visualización de datos multivariados (5+ variables)
- Excelente para identificar patrones y valores atípicos
- Efectivo para comparar múltiples conjuntos de datos simultáneamente
- Visualmente distintivo y atractivo
- Representación compacta de relaciones complejas.
Limitaciones de los gráficos de iris
- Curva de aprendizaje más pronunciada para la interpretación del público
- Menos preciso para comparaciones de valores exactos
- Puede llenarse de demasiadas variables
- Requiere elecciones cuidadosas de color y diseño.
- Menos común, por lo que puede requerir explicación adicional
Comparación con gráficos circulares
Si bien tanto los gráficos de iris como los gráficos circulares utilizan un formato circular, tienen diferentes propósitos. Los gráficos circulares destacan por mostrar relaciones proporcionales dentro de un único conjunto de datos (partes de un todo), pero tienen dificultades con múltiples variables. Los gráficos de iris, por otro lado, pueden mostrar eficazmente múltiples variables y conjuntos de datos simultáneamente, lo que los hace superiores para la segmentación de datos complejos y el análisis comparativo.
Comparación con gráficos de radar
Los gráficos de radar (también llamados gráficos de araña o de telaraña) son los parientes más cercanos de los gráficos de iris. Ambos utilizan ejes radiales para mostrar datos multivariados. Sin embargo, los gráficos de iris suelen utilizar relleno de área y pueden representar de manera más efectiva múltiples conjuntos de datos mediante capas y codificación de colores. Los gráficos de radar a menudo enfatizan las líneas conectadas en lugar de las áreas cerradas, lo que puede hacer que el reconocimiento de patrones sea más desafiante en conjuntos de datos complejos.
Creando un gráfico de iris con Python y Matplotlib
Siga este tutorial paso a paso para crear su propio gráfico de iris usando Python y la popular biblioteca Matplotlib. Usaremos el conjunto de datos del iris de Fisher como ejemplo para demostrar el proceso.
Código Python y visualización del gráfico de iris resultante
Paso 1: configure su entorno
Primero, asegúrese de tener instaladas las bibliotecas necesarias. Necesitará NumPy, Pandas y Matplotlib. Si aún no los tienes, instálalos usando pip:
pip install numpy pandas matplotlib
Paso 2: importar bibliotecas y cargar datos
Ahora, importe las bibliotecas necesarias y cargue el conjunto de datos del iris:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
iris = cargar_iris()
df = pd.DataFrame(datos=iris.data, columnas=iris.feature_names)
df['especie'] = iris.objetivo
df['especie'] = df['especie'].map({0: 'setosa', 1: 'versicolor', 2: 'virginica'})
Paso 3: preparar los datos para el gráfico del iris
Calcule los valores promedio de cada característica por especie para crear nuestro gráfico de iris:
# Calculate mean values for each feature by species
means = df.groupby('species').mean()# Obtener nombres de funciones y número de funciones
características = iris.feature_names
num_features = len(características)
# Configure los ángulos para cada característica (divida el círculo uniformemente)
ángulos = np.linspace(0, 2*np.pi, num_features, endpoint=False).tolist()
ángulos += ángulos[:1]
setosa = significa.loc[‘setosa’].valores.tolist()
sedoso += sedoso[:1]
versicolor = significa.loc[‘versicolor’].values.tolist()
versicolor += versicolor[:1]
virginica = significa.loc[‘virginica’].valores.tolist()
virginica += virginica[:1]
etiquetas = características
etiquetas += etiquetas[:1]
Paso 4: crea el gráfico de iris
Ahora, creemos la visualización del gráfico de iris real:
# Create the plot
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(polar=True))# Trazar cada especie
ax.plot(ángulos, setosa, 'o-', ancho de línea = 2, etiqueta = 'Setosa', color = 'azul')
ax.fill(ángulos, setosa, alfa=0,25, color=’azul’)
ax.plot(ángulos, versicolor, 'o-', ancho de línea = 2, etiqueta = 'Versicolor', color = 'verde')
ax.fill(ángulos, versicolor, alfa=0,25, color=’verde’)
ax.fill(ángulos, virginica, alfa=0,25, color=’rojo’)
ax.set_xticks(ángulos[:-1])
ax.set_xticklabels(etiquetas[:-1])
plt.title('Conjunto de datos Iris – Comparación de características por especie, tamaño = 15)
plt.legend(loc=’arriba derecha’)
plt.tight_layout()
plt.mostrar()
Paso 5: personaliza tu gráfico de iris
Puede personalizar aún más su gráfico de iris ajustando los colores, la transparencia, los estilos de línea y agregando anotaciones. A continuación se explica cómo mejorar la visualización:
# Add grid lines and adjust their appearance
ax.grid(True, linestyle='-', alpha=0.5)# Ajuste los límites radiales para una mejor visualización.
hacha.set_ylim(0, 8)
# Agregar un subtítulo con información adicional
ax.text(0.5, 1.1, 'Comparación de medidas de sépalos y pétalos entre especies',
alineación horizontal = 'centro', alineación vertical = 'centro',
transformar=ax.transAxes, tamaño de fuente=12)
ax.plot(ángulos[0], setosa[0], 'o', tamaño de marcador=10, color='azul')
ax.annotate('Longitud del sépalo de Setosa', xy=(ángulos[0], sedoso[0]),
xytext=(ángulos[0]-0.2, sedoso[0]+1),
flechaprops=dict(estiloflecha=’->', color = 'negro'))
Obtenga el código Python completo
Descargue el script Python completo con opciones de personalización adicionales y conjuntos de datos de muestra.
Descargar código Python
Crear un gráfico de iris simple con HTML y CSS
Implementación HTML/CSS de un gráfico de iris simple
Para los desarrolladores web, aquí hay una implementación simplificada de un gráfico de iris usando HTML y CSS. Este enfoque crea una visualización estática que se puede incrustar directamente en las páginas web:
<!-- HTML Structure -->
<div class="iris-chart-container">
<div class="iris-chart">
<div class="axis axis-1"><span>Sepal Length</span></div>
<div class="axis axis-2"><span>Sepal Width</span></div>
<div class="axis axis-3"><span>Petal Length</span></div>
<div class="axis axis-4"><span>Petal Width</span></div>
<div class="axis axis-5"><span>Symmetry</span></div>
<clase div =”punto de datos punto-2″ estilo =”–valor: 0,6;”></div>
<clase div =”punto de datos punto-3″ estilo =”–valor: 0,9;”></div>
<clase div =”punto de datos punto-4″ estilo =”–valor: 0,7;”></div>
<clase div =”punto de datos punto-5″ estilo =”–valor: 0,5;”></div>
</div>
</div>
Y el CSS correspondiente:
/* CSS Styling */
.iris-chart-container {
width: 400px;
height: 400px;
margin: 0 auto;
}.iris-gráfico {
posición: relativa;
ancho: 100%;
altura: 100%;
radio fronterizo: 50%;
antecedentes: #f5f5f5;
}
.eje {
posición: absoluta;
arriba: 50%;
izquierda: 50%;
ancho: 50%;
altura: 1px;
fondo: rgba(0, 0, 0, 0.2);
origen de transformación: centro izquierdo;
}
.axis-2 { transformar: rotar (72 grados); }
.axis-3 { transformar: rotar (144 grados); }
.axis-4 { transformar: rotar (216 grados); }
.axis-5 { transformar: rotar (288 grados); }
posición: absoluta;
derecha: -60px;
transformar: rotar (90 grados);
origen de transformación: centro izquierdo;
tamaño de fuente: 12px;
}
posición: absoluta;
arriba: 50%;
izquierda: 50%;
ancho: 10px;
altura: 10px;
fondo: #3498db;
radio fronterizo: 50%;
transformar: traducir (-50%, -50%);
}
.punto-2 { transformar: rotar (72 grados) traducirX (calc (var (–valor) * 180px)) rotar(-72deg); }
.punto-3 { transformar: rotar (144 grados) traducirX (calc (var (–valor) * 180px)) rotar(-144deg); }
.punto-4 { transformar: rotar (216 grados) traducirX (calc (var (–valor) * 180px)) rotar(-216deg); }
.point-5 { transformar: rotar (288 grados) traducirX (calc (var (–valor) * 180px)) rotar(-288deg); }
posición: absoluta;
arriba: 50%;
izquierda: 50%;
ancho: 100%;
altura: 100%;
ruta de clip: polígono (
calc(50% + 180px * 0.8 * cos(0deg)) calc(50% + 180px * 0.8 * sin(0deg)),
calc(50% + 180px * 0.6 * cos(72deg)) calc(50% + 180px * 0.6 * sin(72deg)),
calc(50% + 180px * 0.9 * cos(144deg)) calc(50% + 180px * 0.9 * sin(144deg)),
calc(50% + 180px * 0.7 * cos(216deg)) calc(50% + 180px * 0.7 * sin(216deg)),
calc(50% + 180px * 0.5 * cos(288deg)) calc(50% + 180px * 0.5 * sin(288deg))
);
fondo: rgba(52, 152, 219, 0,3);
transformar: traducir (-50%, -50%);
}
Esta implementación crea un gráfico de iris básico con cinco ejes. Puede personalizarlo ajustando la cantidad de ejes, colores y valores de datos. Para datos dinámicos, deberá generar los valores CSS utilizando JavaScript según su conjunto de datos.
Conclusión: dominar el arte de los gráficos de iris
Los gráficos de iris representan una poderosa adición a su conjunto de herramientas de visualización de datos, especialmente cuando se trata de análisis multivariado y segmentación de datos complejos. Su estructura radial única permite el reconocimiento intuitivo de patrones y la comparación en múltiples dimensiones simultáneamente.
Exploramos qué son los gráficos de iris, examinamos sus aplicaciones en el mundo real en varios dominios, proporcionamos un tutorial paso a paso para crearlos con Python y compartimos las mejores prácticas para un diseño eficaz. Ya sea que esté visualizando datos científicos, métricas comerciales o cualquier otro conjunto de datos multivariado, los gráficos de iris ofrecen una alternativa convincente a los métodos de visualización tradicionales.
Como ocurre con cualquier técnica de visualización, la clave del éxito radica en comprender sus datos, su audiencia y la historia que desea contar. Los gráficos de iris destacan cuando es necesario mostrar relaciones entre múltiples variables e identificar patrones que podrían estar ocultos en otros tipos de gráficos. Al aplicar los principios y técnicas que se tratan en esta guía, estará bien equipado para crear visualizaciones de gráficos de iris eficaces y reveladoras.
¿Listo para crear tus propios gráficos de iris?
Descargue nuestro completo kit de herramientas de gráficos de iris con plantillas, ejemplos de códigos y recursos de diseño.
Obtenga el kit de herramientas completo
