Análisis Avanzado con Seaborn
Visualizaciones estadísticas sofisticadas para análisis multivariado profundo.
Pairplot: Relaciones Multivariadas
El pairplot permite visualizar simultáneamente las relaciones entre múltiples variables, facilitando la identificación de patrones complejos y agrupamientos naturales en los datos.
Matriz de Gráficos de Dispersión
Visualización completa de relaciones entre variables principales, permitiendo observar que los sulfatos son menores en los vinos de mejor calidad, al igual que los acidos volatiles. Adicional a esto, los vinos de baja calidad tiene grados de alcohol mas bajos.
Jointplot: Análisis Bivariado Detallado
Los jointplots combinan scatter plots con histogramas marginales, proporcionando una vista comprehensiva de la distribución y correlación entre dos variables específicas.
Análisis Bivariado con Distribuciones Marginales
Relación detallada entre alcohol y calidad con distribuciones, obteniendo que la mayoria de los vinos tiene una calidad media, con un grado de alcohol entre 9-11 %
Violin Plots: Distribución y Densidad
Violin Plots de Variables por Calidad
Distribución de variables fisicoquímicas según categoría de calidad, mostrando que los acidos volatiles disminuyen al aumentar la calidad, mientras que los acidos citricos aumentan.
Violin Plot: Distribución por Calidad
Visualización de la distribución de variables principales, permite observar que en todas las categorias de vinos, la mayor parte tiene calidad media.
Interpretación de Violin Plots
Los violin plots revelan no solo la mediana y cuartiles (como los boxplots), sino tambión la densidad completa de la distribución. Esto permite identificar distribuciones multimodales y entender mejor cómo varían las propiedades fisicoquímicas entre diferentes niveles de calidad.
Insights del Análisis con Seaborn
Separabilidad
Las variables muestran buena separabilidad entre categorías de calidad, especialmente alcohol y acidez volátil.
Multimodalidad
Algunas distribuciones son multimodales, sugiriendo subgrupos naturales dentro del dataset.
Outliers
Confirmación visual de outliers previamente detectados, con contexto de su distribución.