Diagramas de Caja (BoxPlots) y Datos Anómalos (outliers) con la Prueba de Tukey en Python

[@CodigoMaquina]

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com

[@foland2619]

Gran contenido. Explicación sencilla, concisa y clara acerca del tema.

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@cesarjoelchiroquesosa5896]

Una explicación sumamente entendible y un material didáctico de gran valor. Muchas gracias por todo el contenido

[@CodigoMaquina]

Gracias por tomarte el tiempo de comentar Cesar, me alegra saber que el contenido es de tu agrado. Saludos!!

[@rockophill3934]

Excelente Maestro Octavio, y en efecto no sabia como llamar a esos valores extra ordinarios que terminan inflando cuartiles y alejando el enfoque de los datos, considerando previamente la convención o regla de negocio para su aplicación. Agradezco su detallada y concisa explicación.👌

[@CodigoMaquina]

Muchas gracias por todos tus comentarios. Si te gusto este tema, te recomiendo que le eches un vistazo a la técnica de bosques de aislamiento que justo sirve para detectar datos atípicos: kzbin.info/www/bejne/pGOzoXdtrdODpa8

[@abusfulcanell9374]

Que belleza de canal, mil gracias por el contenido 🙏👍

[@CodigoMaquina]

Muchas gracias por tus comentarios tan cálidos :)

[@davidcardenas4266]

Código maquina, por creadores como tú es que tengo desactivado el bloqueador de anuncios en youtube. Super excelente contenido. Gracias por tanto.

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@EduardoCruz-dv3vx]

Magnífica explicación.

[@CodigoMaquina]

Muchas gracias Eduardo :)

[@CarlosAlbertoGordilloVarela]

muchas gracias, excelente video

[@CodigoMaquina]

Gracias por tus palabras

[@Gustavo-rb6df]

Gracias por este contenido!!!

[@CodigoMaquina]

Gracias a ti por comentar Gustavo. Saludos!!

[@HPenarandaBello]

Hola. Buen vídeo. ¿Cómo eliminar los registros que tienen datos atípicos? ¿Existe alguna librería?

[@CodigoMaquina]

Hola @HPenarandaBello gracias por la pregunta. Todo depende del contexto, pero aquí va un par de formas: 1) Usando un escalador robusto (favor de ver el siguiente video kzbin.info/www/bejne/Y4fYg2Rqht6fbac) 2) o aplicando filtros (favor de ver el siguiente video kzbin.info/www/bejne/i16agmChpM5gecU). De hecho, con filtros se podría definir un valor por defecto que reemplace a los datos atípicos de la siguiente manera: import numpy as np datos = np.array([10, 11, 12, 1000]) datos[datos>999] = 13

[@jorgevilas1603]

Hola. No sé si este es el lugar, pero al ejecutar muestra el siguiente mensaje "System.ArgumentOutOfRangeException: El valor debe ser mayor que o igual a cero y menor que el tamaño de búfer de consola en dicha dimensión."

[@jabesfriasmartinez6953]

Muy buen video me gustaría aprender a arreglar cuando tengo datos atípicos

[@CodigoMaquina]

Gracias por tus comentarios. Para tratar datos atípicos, te recomiendo echarle un ojo al video de normalización, estandarización y escalamiento que tenemos en el canal: kzbin.info/www/bejne/Y4fYg2Rqht6fbac También te recomiendo ver el siguiente video con otra técnica para detectar datos atípicos: kzbin.info/www/bejne/pGOzoXdtrdODpa8 Gracias por seguir el contenido del canal.

[@nikosora]

muchas gracias por el video, me gustan tus videos ya que explicas con mucho detalle, me salta solo una duda, en el caso de que tenga un dataframe y quisiera visualizarlo seria igual que como lo hiciste con edades. Me explico tu pusiste edades y creaste un array de las edades, luego para visualizarlo pusiste plt.boxplot (edades) en el caso de una dataframe seria igual? es decir si importo un dataframe y lo llamo por ejemplo autos, una vez ya importado para verlo seria plt.boxplot(autos). muchas gracias

[@CodigoMaquina]

Muchas gracias por tus comentario y por tu pregunta. Al respecto, si lo que deseas es echarle un vistazo rápido a tus datos, la clase DataFrame tiene integrado un método llamado plot -> DataFrame.plot(*args, **kwargs). Si deseas una visualización más detallada, te recomiendo echarle un ojo a nuestra playlist sobre visualización de datos: kzbin.info/aero/PLat2DtY8K7YWB3X5oJiXb5qON0rA3j0J6

[@SELF_NATUR]

gracias (Y)

[@CodigoMaquina]

Saludos GAHAT!!