Data Anlyst

Python, SQL y R

Introducción

Este documento demuestra cómo crear gráficos de barras utilizando Python (Matplotlib), SQL para consultas de datos, y R (ggplot2) para visualizaciones. Esta aproximación multilenguaje permite aprovechar las fortalezas específicas de cada herramienta.

Bar Charts - Python (Matplotlib)

Gráfico Básico de Barras Verticales

Code 
import matplotlib.pyplot as plt
import numpy as np

# Datos de lenguajes de programación
eje_x = ['Python', 'R', 'Node.js', 'PHP', 'Java', 'JavaScript']
eje_y = [50, 20, 35, 47, 42, 55]

plt.figure(figsize=(12, 7))
colors = ['#3776ab', '#276DC3', '#8CC84B', '#777BB4', '#ED8B00', '#F7DF1E']
bars = plt.bar(eje_x, eje_y, color=colors, alpha=0.8, edgecolor='black', linewidth=1)

# Agregar valores encima de las barras
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height + 0.5,
             f'{int(height)}K', ha='center', va='bottom', fontweight='bold')

plt.ylabel('Cantidad de usuarios (miles)', fontsize=12)
plt.xlabel('Lenguajes de programación', fontsize=12)
plt.title('Popularidad de Lenguajes de Programación', fontsize=14, fontweight='bold')
plt.xticks(rotation=45)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

Gráfico de Barras Horizontales

Code 
import matplotlib.pyplot as plt

# Datos de habilidades profesionales
habilidades = ['Programación', 'Ciencia de Datos', 'Matemáticas', 'Ingeniería', 'Diseño', 'Marketing']
empleados = [76, 31, 45, 57, 38, 29]

plt.figure(figsize=(12, 8))
colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4', '#FFEAA7', '#DDA0DD']
bars = plt.barh(habilidades, empleados, color=colors, alpha=0.8, edgecolor='black', linewidth=1)

# Agregar valores al final de las barras
for i, bar in enumerate(bars):
    width = bar.get_width()
    plt.text(width + 1, bar.get_y() + bar.get_height()/2.,
             f'{int(width)}', ha='left', va='center', fontweight='bold')

plt.xlabel('Número de empleados', fontsize=12)
plt.ylabel('Habilidades', fontsize=12)
plt.title('Distribución de Habilidades en el Equipo', fontsize=14, fontweight='bold')
plt.grid(axis='x', alpha=0.3)
plt.tight_layout()
plt.show()

Gráfico de Barras Agrupadas

Code 
import matplotlib.pyplot as plt
import numpy as np

# Datos de múltiples series
años = ['2020', '2021', '2022', '2023', '2024']
python = [45, 50, 55, 60, 65]
r = [15, 20, 22, 25, 28]
javascript = [40, 45, 50, 55, 60]

x = np.arange(len(años))
width = 0.25

plt.figure(figsize=(12, 8))
bars1 = plt.bar(x - width, python, width, label='Python', color='#3776ab', alpha=0.8)
bars2 = plt.bar(x, r, width, label='R', color='#276DC3', alpha=0.8)
bars3 = plt.bar(x + width, javascript, width, label='JavaScript', color='#F7DF1E', alpha=0.8)

plt.xlabel('Años', fontsize=12)
plt.ylabel('Usuarios (miles)', fontsize=12)
plt.title('Evolución de Usuarios por Lenguaje (2020-2024)', fontsize=14, fontweight='bold')
plt.xticks(x, años)
plt.legend()
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

SQL - Consultas para Análisis de Datos

Consulta de Datos de Lenguajes

Code 
SELECT 
    lenguaje,
    usuarios,
    ROUND(usuarios * 100.0 / (SELECT SUM(usuarios) FROM ventas_programacion), 1) as porcentaje_mercado
FROM ventas_programacion 
ORDER BY usuarios DESC;
6 records
lenguaje usuarios porcentaje_mercado
JavaScript 55 22.1
Python 50 20.1
PHP 47 18.9
Java 42 16.9
Node.js 35 14.1
R 20 8.0

Top 3 Lenguajes Más Populares

Code 
SELECT 
    lenguaje,
    usuarios,
    CASE 
        WHEN usuarios >= 50 THEN 'Alta Popularidad'
        WHEN usuarios >= 35 THEN 'Popularidad Media'
        ELSE 'Popularidad Baja'
    END as categoria_popularidad
FROM ventas_programacion 
ORDER BY usuarios DESC 
LIMIT 3;
3 records
lenguaje usuarios categoria_popularidad
JavaScript 55 Alta Popularidad
Python 50 Alta Popularidad
PHP 47 Popularidad Media

Análisis de Habilidades con Estadísticas

Code 
SELECT 
    habilidad,
    cantidad,
    ROUND(AVG(cantidad) OVER(), 1) as promedio_general,
    ROUND(cantidad - AVG(cantidad) OVER(), 1) as diferencia_promedio,
    CASE 
        WHEN cantidad > AVG(cantidad) OVER() THEN 'Por encima del promedio'
        ELSE 'Por debajo del promedio'
    END as clasificacion
FROM empleados_habilidades 
ORDER BY cantidad DESC;
6 records
habilidad cantidad promedio_general diferencia_promedio clasificacion
Programación 76 46 30 Por encima del promedio
Ingeniería 57 46 11 Por encima del promedio
Matemáticas 45 46 -1 Por debajo del promedio
Diseño 38 46 -8 Por debajo del promedio
Ciencia de Datos 31 46 -15 Por debajo del promedio
Marketing 29 46 -17 Por debajo del promedio

Evolución Temporal de Lenguajes

Code 
SELECT 
    año,
    python,
    r,
    javascript,
    (python + r + javascript) as total_usuarios,
    ROUND(python * 100.0 / (python + r + javascript), 1) as porcentaje_python
FROM ventas_por_año 
ORDER BY año;
5 records
año python r javascript total_usuarios porcentaje_python
2020 45 15 40 100 45.0
2021 50 20 45 115 43.5
2022 55 22 50 127 43.3
2023 60 25 55 140 42.9
2024 65 28 60 153 42.5

Bar Charts - R (ggplot2)

Gráfico Básico con R

Code 
# Obtener datos de SQL
datos_lenguajes <- dbGetQuery(con, "SELECT lenguaje, usuarios FROM ventas_programacion ORDER BY usuarios DESC")

# Crear gráfico con ggplot2
ggplot(datos_lenguajes, aes(x = reorder(lenguaje, usuarios), y = usuarios, fill = lenguaje)) +
  geom_bar(stat = "identity", alpha = 0.8, color = "black", size = 0.5) +
  geom_text(aes(label = paste0(usuarios, "K")), hjust = -0.1, fontface = "bold") +
  coord_flip() +
  labs(title = "Popularidad de Lenguajes de Programación",
       subtitle = "Datos obtenidos de consulta SQL",
       x = "Lenguajes de Programación", 
       y = "Usuarios (miles)") +
  theme_minimal() +
  theme(legend.position = "none",
        plot.title = element_text(size = 16, face = "bold"),
        plot.subtitle = element_text(size = 12),
        axis.text = element_text(size = 11),
        axis.title = element_text(size = 12, face = "bold")) +
  scale_fill_viridis_d(option = "plasma") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.1)))

Gráfico de Habilidades

Code 
# Obtener datos de habilidades
datos_habilidades <- dbGetQuery(con, "SELECT habilidad, cantidad FROM empleados_habilidades ORDER BY cantidad DESC")

ggplot(datos_habilidades, aes(x = reorder(habilidad, cantidad), y = cantidad, fill = cantidad)) +
  geom_bar(stat = "identity", alpha = 0.8, color = "black", size = 0.5) +
  geom_text(aes(label = cantidad), hjust = -0.1, fontface = "bold") +
  coord_flip() +
  labs(title = "Distribución de Habilidades en el Equipo",
       subtitle = "Número de empleados por habilidad",
       x = "Habilidades", 
       y = "Número de empleados") +
  theme_minimal() +
  theme(legend.position = "none",
        plot.title = element_text(size = 16, face = "bold"),
        plot.subtitle = element_text(size = 12),
        axis.text = element_text(size = 11),
        axis.title = element_text(size = 12, face = "bold")) +
  scale_fill_gradient(low = "#E8F4FD", high = "#1E88E5") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.1)))

Gráfico de Evolución Temporal

Code 
# Obtener datos temporales
datos_tiempo <- dbGetQuery(con, "SELECT * FROM ventas_por_año ORDER BY año")

# Transformar datos para ggplot
datos_long <- pivot_longer(datos_tiempo, 
                          cols = c(python, r, javascript), 
                          names_to = "lenguaje", 
                          values_to = "usuarios")

# Crear gráfico
ggplot(datos_long, aes(x = factor(año), y = usuarios, fill = lenguaje)) +
  geom_bar(stat = "identity", position = "dodge", alpha = 0.8, color = "black", size = 0.3) +
  geom_text(aes(label = paste0(usuarios, "K")), 
            position = position_dodge(width = 0.9), 
            vjust = -0.5, 
            fontface = "bold", 
            size = 3) +
  labs(title = "Evolución de Usuarios por Lenguaje (2020-2024)",
       subtitle = "Crecimiento anual de las principales tecnologías",
       x = "Años", 
       y = "Usuarios (miles)",
       fill = "Lenguaje") +
  theme_minimal() +
  theme(plot.title = element_text(size = 16, face = "bold"),
        plot.subtitle = element_text(size = 12),
        axis.text = element_text(size = 11),
        axis.title = element_text(size = 12, face = "bold"),
        legend.title = element_text(size = 12, face = "bold"),
        legend.text = element_text(size = 11)) +
  scale_fill_manual(values = c("python" = "#3776ab", "r" = "#276DC3", "javascript" = "#F7DF1E")) +
  scale_y_continuous(expand = expansion(mult = c(0, 0.1)))

Integración SQL + Python

Combinemos una consulta SQL compleja con visualización en Python:

Code 
# Ejecutar consulta SQL avanzada
datos_analisis <- dbGetQuery(con, "
SELECT 
    lenguaje,
    usuarios,
    CASE 
        WHEN usuarios >= 50 THEN 'Alto'
        WHEN usuarios >= 35 THEN 'Medio'
        ELSE 'Bajo'
    END as categoria,
    ROUND(usuarios * 100.0 / (SELECT SUM(usuarios) FROM ventas_programacion), 1) as porcentaje
FROM ventas_programacion 
WHERE usuarios > 25
ORDER BY usuarios DESC
")

# Pasar datos a Python
py$datos_desde_r <- datos_analisis
Code 
import matplotlib.pyplot as plt
import pandas as pd

# Usar datos de R/SQL
df = pd.DataFrame(datos_desde_r)

# Crear subplot con dos gráficos
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

# Gráfico 1: Barras por usuarios
colors = ['#FF6B6B' if cat == 'Alto' else '#4ECDC4' if cat == 'Medio' else '#45B7D1' 
          for cat in df['categoria']]

bars1 = ax1.bar(df['lenguaje'], df['usuarios'], color=colors, alpha=0.8, edgecolor='black')
ax1.set_title('Lenguajes por Número de Usuarios', fontweight='bold')
ax1.set_xlabel('Lenguajes')
ax1.set_ylabel('Usuarios (miles)')
ax1.tick_params(axis='x', rotation=45)

# Agregar valores en las barras
for bar in bars1:
    height = bar.get_height()
    ax1.text(bar.get_x() + bar.get_width()/2., height + 1,
             f'{int(height)}K', ha='center', va='bottom', fontweight='bold')

# Gráfico 2: Distribución por porcentaje
wedges, texts, autotexts = ax2.pie(df['porcentaje'], labels=df['lenguaje'], autopct='%1.1f%%',
                                   colors=colors, startangle=90)
ax2.set_title('Distribución de Mercado', fontweight='bold')

plt.tight_layout()
plt.show()

Análisis Comparativo Final

Resumen de Datos por Categoría

Code 
SELECT 
    categoria,
    COUNT(*) as cantidad_lenguajes,
    AVG(usuarios) as promedio_usuarios,
    SUM(usuarios) as total_usuarios
FROM (
    SELECT 
        lenguaje,
        usuarios,
        CASE 
            WHEN usuarios >= 50 THEN 'Alto'
            WHEN usuarios >= 35 THEN 'Medio'
            ELSE 'Bajo'
        END as categoria
    FROM ventas_programacion
) 
GROUP BY categoria
ORDER BY total_usuarios DESC;
3 records
categoria cantidad_lenguajes promedio_usuarios total_usuarios
Medio 3 41.33333 124
Alto 2 52.50000 105
Bajo 1 20.00000 20