Visualizaciones interactivas con Plotly
Plotly Express, gráficos interactivos, dashboards, animaciones, mapas geográficos, exportación
1¿Cuál es la principal diferencia entre Plotly Express y Plotly Graph Objects?
¿Cuál es la principal diferencia entre Plotly Express y Plotly Graph Objects?
Respuesta
Plotly Express es una API de alto nivel que permite crear gráficos en una sola línea de código con parámetros simples. Plotly Graph Objects es la API de bajo nivel que ofrece control total sobre cada elemento del gráfico. Plotly Express utiliza Graph Objects internamente, lo que permite alternar entre ambos para personalizar aún más los gráficos.
2¿Cómo crear un scatter plot con Plotly Express a partir de un DataFrame de Pandas?
¿Cómo crear un scatter plot con Plotly Express a partir de un DataFrame de Pandas?
Respuesta
La función px.scatter() toma un DataFrame y usa los parámetros x e y para especificar qué columnas mostrar en cada eje. Esta sintaxis concisa permite crear rápidamente visualizaciones interactivas sin configuración compleja. Parámetros opcionales como color, size y hover_data permiten enriquecer el gráfico.
3¿Qué parámetro de Plotly Express permite colorear los puntos según una variable categórica?
¿Qué parámetro de Plotly Express permite colorear los puntos según una variable categórica?
Respuesta
El parámetro color de Plotly Express asigna automáticamente colores distintos a cada valor único de una variable categórica. Plotly genera una leyenda interactiva y usa una paleta de colores por defecto optimizada para la distinción visual. Este parámetro también funciona con variables numéricas para crear un degradado de colores.
¿Cómo mostrar un gráfico de Plotly en un notebook de Jupyter?
¿Cómo exportar un gráfico de Plotly al formato HTML para compartirlo?
+15 preguntas de entrevista
Otros temas de entrevista Data Science & ML
Fundamentos de Python
Programación Orientada a Objetos en Python
Estructuras de datos en Python
Fundamentos de Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins y consultas avanzadas
Pandas avanzado
Visualización con Matplotlib & Seaborn
Estadística descriptiva
Estadística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisado: Regresión
ML Supervisado: Clasificación
Árboles de Decisión y Ensembles
ML No Supervisado
Pipelines ML y Validación
Series Temporales y Pronóstico
Fundamentos de Deep Learning
TensorFlow & Keras
CNN y clasificación de imágenes
RNN y Secuencias
Transformers y Attention
NLP y Hugging Face
GenAI y LangChain
MLOps y Despliegue
Domina Data Science & ML para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis