Barras: comparar categorías

import pandas as pd
import matplotlib.pyplot as plt

medios = pd.DataFrame({"medio": ["Colectivo", "Subte", "Bicicleta", "Auto", "A pie"],
                       "cantidad": [120, 95, 48, 62, 75]})
medios = medios.sort_values("cantidad", ascending=False)

# Un color para todo y el acento en el hallazgo. Darle un color distinto a cada
# barra es habitual y no agrega nada: la categoria ya esta escrita abajo, asi
# que el color estaria codificando por segunda vez lo mismo.
colores = ["darkorange" if i == 0 else "steelblue"
           for i in range(len(medios))]

fig, ax = plt.subplots()
barras = ax.bar(medios["medio"], medios["cantidad"], color=colores)
ax.bar_label(barras, padding=3)
ax.set_title("El colectivo es el medio mas usado")
ax.set_xlabel("Medio de transporte")
ax.set_ylabel("Estudiantes")
ax.set_ylim(0, 135)
fig.tight_layout()
plt.show()

print(medios.to_string(index=False))
print()
primero, segundo = medios["cantidad"].iloc[0], medios["cantidad"].iloc[1]
print("diferencia entre el primero y el segundo:", primero - segundo)
print("el primero sobre el total:",
      round(primero / medios["cantidad"].sum() * 100, 1), "%")
print()
print("El titulo dice el hallazgo, no el tema. 'Medio de transporte' habria")
print("obligado a leer el grafico para saber que dice.")

import pandas as pd
import matplotlib.pyplot as plt

tx = pd.read_csv("transacciones_sucursales.csv")
tx["importe"] = pd.to_numeric(tx["importe"], errors="coerce")

# Sin mirar nada: se agrupa y se grafica. Es lo que sale primero, y corre.
total = tx.groupby("sucursal")["importe"].sum().sort_values()

fig, ax = plt.subplots()
ax.bar(total.index, total.to_numpy())
ax.set_title("Importe total por sucursal")
ax.set_xlabel("Sucursal")
ax.set_ylabel("Importe total")
fig.tight_layout()
plt.show()

print(total.round(2).to_string())
print()
print("Sur suma", round(total.max() / total.drop("Sur").sum(), 1),
      "veces lo que suman las otras cuatro juntas.")
print()
print("De donde sale:")
print(tx.nlargest(3, "importe")[["id", "sucursal", "tipo", "importe"]]
      .to_string(index=False))
print()
print("Una sola fila de ocho digitos. El grafico no esta mal dibujado: esta")
print("dibujando bien un dato que no puede ser cierto.")

import pandas as pd
import matplotlib.pyplot as plt

tx = pd.read_csv("transacciones_sucursales.csv")
importe = pd.to_numeric(tx["importe"], errors="coerce")

# Politica declarada: un importe negativo o de mas de cien mil no puede ser una
# transaccion de este negocio. Se descarta y se informa cuantas.
valido = importe.between(0, 100000)
print("filas descartadas:", int((~valido).sum()), "de", len(tx))
print("  ausentes:", int(importe.isna().sum()))
print("  negativas:", int((importe < 0).sum()))
print("  fuera de escala:", int((importe > 100000).sum()))

total = (tx.assign(importe=importe)[valido]
         .groupby("sucursal")["importe"].sum().sort_values())

fig, ax = plt.subplots()
barras = ax.barh(total.index, total.to_numpy(), color="steelblue")
ax.bar_label(barras, fmt="%.0f", padding=3)
ax.set_title("Sur y Norte se llevan 47 mil pesos de diferencia")
ax.set_xlabel("Importe total")
ax.set_xlim(0, 175000)
fig.tight_layout()
plt.show()

print()
print(total.round(2).to_string())
print()
print("diferencia entre la mayor y la menor:",
      round(total.max() - total.min(), 2))
print("la mayor sobre la menor:", round(total.max() / total.min(), 2))
print()
print("Ahora si se pueden comparar. Y notar que la diferencia real es del 46 %,")
print("no del 99 % que sugeria el grafico anterior.")

import pandas as pd
import matplotlib.pyplot as plt

tx = pd.read_csv("transacciones_sucursales.csv")
importe = pd.to_numeric(tx["importe"], errors="coerce")
total = (tx.assign(importe=importe)[importe.between(0, 100000)]
         .groupby("sucursal")["importe"].sum().sort_values())

fig, axes = plt.subplots(1, 2, figsize=(7.2, 3.4), sharex=True)

axes[0].bar(total.index, total.to_numpy(), color="steelblue")
axes[0].set_ylim(0, 160000)
axes[0].set_title("Eje desde cero")
axes[0].set_ylabel("Importe total")

axes[1].bar(total.index, total.to_numpy(), color="indianred")
axes[1].set_ylim(90000, 160000)
axes[1].set_title("Eje desde 90.000")

for eje in axes:
    eje.tick_params(axis="x", labelrotation=45)
fig.suptitle("Los mismos cinco numeros")
fig.tight_layout()
plt.show()

print(total.round(2).to_string())
print()
print("Relacion real entre la mayor y la menor:",
      round(total.max() / total.min(), 2), "veces")
print("Relacion aparente en el grafico truncado:",
      round((total.max() - 90000) / (total.min() - 90000), 2), "veces")
print()
print("Las dos barras miden lo mismo. La de la derecha empieza a contar desde")
print("90.000, asi que la longitud dejo de ser proporcional al valor.")
print("Truncar el eje de unas barras no es un estilo: cambia lo que dicen.")