Hola! Quisiera tener Histogram, QQPlot, y BoxPlot un plot a lado de otro, porque así es más fácil analizar esa variable en particular. Tampoco quiero usar el nombre de una columna, sino hacer un loop por todas las variables numéricas. Es decir quiero plots de todas las variables numéricas del data.frame. Necesito hacerlo tanto en R como en Python.
En R lo he logrado, me parece, con el código que está a continuación. Luego de correrlo en RStudio, moviendo la flecha a la izquierda del panel de plots, los 3 plots de la misma variable están uno a continuación de otro.
library(tidyverse)
library(palmerpenguins)
data(penguins)
df=penguins
df_numerical <- df %>% select(where(is.numeric))
lapply(names(df_numerical), function(col) {
qqnorm(df_numerical[[col]], pch = 1, main = col, xlab= col, col="darkmagenta")
qqline(df_numerical[[col]], col = "red", lwd = 2)
hist(df_numerical[[col]], main = col, xlab= col, col="lightblue")
boxplot(df_numerical[[col]], main = col, xlab=col, col="lightyellow", horizontal = TRUE, border = "brown", notch = TRUE)})
En Python, mi código funciona bastante bien porque logra hacer casi todo. Sin embargo, tiene dos problemas:
- La línea roja de los QQPlots no aparece en todos los plots, que en cambio si aparece en R.
- Me gustaría si fuese posible, en lugar de usar 3 bloques de código, uno para histograma, un segundo para qqplot, y un tercero para boxplot horizontal, usar 1 bloque de código, similar a lo q tiene el código en R.
Mi pregunta es: Cómo podría mejorar mi código en Python y en R? Muchas gracias por anticipado! Un lindo día!
#!/usr/bin/env python
# coding: utf-8
#PRIMERO NO OLVIDES
#pip install palmerpenguins
import scipy
from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from palmerpenguins import load_penguins
sns.set_style('whitegrid')
penguins = load_penguins()
df=penguins
df_numerical=df.select_dtypes(include=np.number)
for col in df_numerical.columns:
one_column_df = pd.DataFrame(df_numerical[col])
for col in one_column_df.columns:
print()
print(col)
ax1=sns.histplot(data=one_column_df, x=col)
plt.show()
for col in one_column_df.columns:
print()
print(col)
ax2=stats.probplot(one_column_df.loc[:,col], dist="norm", plot=plt)
plt.show()
for col in one_column_df.columns:
print()
print(col)
ax3=sns.boxplot(data=one_column_df.loc[:,col], orient="h")
plt.show()
Siempre publico una pregunta para Python y otra para R. En este caso lo hice así porque me pareció que publicar ambas ilustra el problema que tengo.