Bagplot

Centro y atípicos de datos de dos variables.

Definición

Un bagplot es un diagrama de caja en dos dimensiones: dibuja una bolsa con la mitad más central de las observaciones de dos variables y señala, y cuenta, los atípicos. Lo central se mide por profundidad —cuántas observaciones deja a un lado el peor corte—, así que detecta casos raros en la combinación de las dos variables que cada eje por separado da por buenos. Sirve para revisar tiendas, clientes o pruebas que se juzgan por dos métricas a la vez.

Editar con tus datos SVG Spec JSON

Tres tiendas raras que ningún histograma habría marcado

Datos: x · y · label
Buena para: Encontrar las observaciones raras en la combinación de dos variables, aunque sean normales en cada una.
Evítala cuando: Cuando quieres ver dónde se concentra la masa de datos dentro del núcleo: dentro de la bolsa no hay grados.
Se lee bien: Entre 10 y 400 elementos; dibuja hasta 400
Datos que faltan: Omite el valor ausente y lo declara aparte.
Accesibilidad: Lector de pantalla: resumen en texto · respeta «reducir movimiento»

Forma de los datos

Qué columnas pide

Columna	Tipo	Para qué
`x`	number	La primera de las dos variables. Su nombre de columna es el título del eje X, y la unidad va ahí: los ticks no llevan sufijo porque la columna puede traer cualquier cosa.
`y`	number	La segunda variable. Su nombre de columna es el título del eje Y.
`label` · opcional	string	Cómo se llama cada observación. OPCIONAL, y la asimetría con las dos coordenadas es deliberada: sin nombre sigue habiendo figura y el rótulo del atípico pasa a ser sus DOS CIFRAS, que son dato suyo. Sólo se escriben los nombres de los atípicos: rotular las 48 convierte la nube en una mancha de texto.

Tamaños

Ancha por necesidad

Esta pieza necesita anchura para que cada rótulo quepa entero. El motor prefiere decirlo a apretarla.

A menos de 480 px sus rótulos no caben sin pisarse o recortarse, y el motor no la publica así. En el móvil se ve la versión ancha, a tamaño legible y sin recortar, dentro de un marco que se desliza.

Cuándo usarla

Tres preguntas antes de elegirla

¿Buscas atípicos más que relación?

Si la pregunta es si las dos variables van juntas, una dispersión con regresión lo responde directamente.

Sí: quédate con bagplot

No: usa Dispersión con regresión

¿Las dos variables importan juntas?

Si basta con la distribución de cada variable por separado, un diagrama de caja la resume variable a variable.

Sí: quédate con bagplot

No: usa Diagrama de caja

¿Son unos cientos de observaciones como mucho?

Si son miles de puntos y lo que importa es dónde se acumulan, un mapa hexagonal cuenta la densidad por celda.

Sí: quédate con bagplot

No: usa Mapa hexagonal

Código

La misma pieza, con tus datos

import { getPreset, renderComposition } from 'visx-render/node';

const spec = await getPreset('bagplot');
spec.data.rows = misFilas; // x, y
const { svg, warnings } = await renderComposition(spec);

También en React con Chart y prepareComposition. Guía para desarrolladores →

Dudas

¿Por qué marca casos que el diagrama de caja no marca?

Porque mide lo central en las dos variables a la vez. Un punto puede estar dentro del rango normal de cada eje y ser raro en su combinación.

¿Ordena los atípicos de más a menos raro?

No. En un plano con dos unidades distintas la distancia al centro no significa nada, así que la pieza los marca y los cuenta sin ordenarlos.

¿Hace falta nombrar cada observación?

No. Sin columna de nombre, el rótulo de un atípico son sus dos cifras.

¿Qué hace si faltan datos?

Omite el valor ausente y lo declara aparte.

¿Cómo se ve en el móvil?

A menos de 480 px el motor no la compone sin pisar o cortar rótulos, y lo dice. En el móvil se ve la versión ancha, a tamaño legible, dentro de un marco que se desliza.

Relacionadas

Otras formas de responder «cómo se reparten los valores»

Guía para elegir: cómo se reparten los valores →