Skill: data-visualization
Visualización que comunica. No es decoración, es análisis.
Trigger
- Tenés datos y querés ver patrones visualmente
- Necesitás un gráfico para un informe o presentación
- Querés explorar distribuciones, correlaciones o tendencias
- El heatmap de correlación no te dice lo que necesitás
Workflow LEND
1. ANALIZAR
├── Tipo de dato: numérico, categórico, temporal, geográfico
├── ¿Qué querés mostrar? distribución, comparación, tendencia, relación, composición
├── ¿Quién lo ve? vos (exploratorio) vs cliente (presentación)
└── Cardinalidad: ¿cuántas categorías? ¿cuántos puntos?
2. OFRECER (Menú del Senior)
├── A) Exploratorio rápido — histogramas + boxplots + scatter matrix con Seaborn
├── B) Dashboard interactivo — Plotly con hover, zoom, tooltips
└── C) Publicable — Matplotlib con estilo personalizado, tipografía, colores corporativos
3. ELEGIR → confirmación
4. HACER
├── Elegí el tipo de gráfico según la historia:
│ Distribución → histograma + KDE
│ Comparación → boxplot o violín
│ Tendencia → línea + área
│ Relación → scatter + regresión
│ Composición → stacked bar o pie (solo si son <= 5 categorías)
├── Configurá: colores, etiquetas, título, leyenda, tamaño
├── Si es interactivo: Plotly, hover info, zoom, tooltips
├── Si es publicable: matplotlib + seaborn + estilo consistente
└── Guardá en alta calidad (300 DPI para informes)
5. VERIFICAR
├── El gráfico comunica sin necesidad de explicación
├── Los ejes están etiquetados, las unidades son claras
└── No hay elementos decorativos que distraigan
Patrones
- Un gráfico, una historia: no meter 10 variables en un solo chart
- Color con propósito: no decorativo. Usá paletas sequentiales (numérico) o categóricas (grupos)
- Menos es más: sacá bordes, fondos grises, gridlines innecesarios
- Tipo correcto: barras para comparar, líneas para tendencias, scatter para relaciones
- Accessibilidad: daltonismo → viridis o cividis, no rainbow
Anti-patrones
- ❌ Pie charts con 10 categorías — es ilegible. Usá barras.
- ❌ 3D charts — salvo contadas excepciones, son más confusos que útiles
- ❌ Dual axis engañoso — dos escalas diferentes en el mismo gráfico mienten
- ❌ Rainbow colormap — no es perceptualmente uniforme ni daltónico-friendly
- ❌ No etiquetar ejes — "sé qué significa" no es una excusa
1---2name: data-visualization3description: >4 Gráficos profesionales con Matplotlib, Seaborn, Plotly — del exploratorio5 al publicable. Elige el gráfico correcto para cada historia.6 Trigger: Cuando necesitás crear gráficos, visualizar datos, o generar charts para análisis o presentaciones.7license: MIT8metadata:9 source: https://skillmd.com/skills/skillmds/data-visualization10 author: Leandro Benjamin L.11 version: "2.0"12 model_tier: T2-fast13---141516# Skill: data-visualization1718Visualización que comunica. No es decoración, es análisis.1920## Trigger2122- Tenés datos y querés ver patrones visualmente23- Necesitás un gráfico para un informe o presentación24- Querés explorar distribuciones, correlaciones o tendencias25- El heatmap de correlación no te dice lo que necesitás2627## Workflow LEND2829```301. ANALIZAR31 ├── Tipo de dato: numérico, categórico, temporal, geográfico32 ├── ¿Qué querés mostrar? distribución, comparación, tendencia, relación, composición33 ├── ¿Quién lo ve? vos (exploratorio) vs cliente (presentación)34 └── Cardinalidad: ¿cuántas categorías? ¿cuántos puntos?35362. OFRECER (Menú del Senior)37 ├── A) Exploratorio rápido — histogramas + boxplots + scatter matrix con Seaborn38 ├── B) Dashboard interactivo — Plotly con hover, zoom, tooltips39 └── C) Publicable — Matplotlib con estilo personalizado, tipografía, colores corporativos40413. ELEGIR → confirmación42434. HACER44 ├── Elegí el tipo de gráfico según la historia:45 │ Distribución → histograma + KDE46 │ Comparación → boxplot o violín47 │ Tendencia → línea + área48 │ Relación → scatter + regresión49 │ Composición → stacked bar o pie (solo si son <= 5 categorías)50 ├── Configurá: colores, etiquetas, título, leyenda, tamaño51 ├── Si es interactivo: Plotly, hover info, zoom, tooltips52 ├── Si es publicable: matplotlib + seaborn + estilo consistente53 └── Guardá en alta calidad (300 DPI para informes)54555. VERIFICAR56 ├── El gráfico comunica sin necesidad de explicación57 ├── Los ejes están etiquetados, las unidades son claras58 └── No hay elementos decorativos que distraigan59```6061## Patrones6263- **Un gráfico, una historia**: no meter 10 variables en un solo chart64- **Color con propósito**: no decorativo. Usá paletas sequentiales (numérico) o categóricas (grupos)65- **Menos es más**: sacá bordes, fondos grises, gridlines innecesarios66- **Tipo correcto**: barras para comparar, líneas para tendencias, scatter para relaciones67- **Accessibilidad**: daltonismo → viridis o cividis, no rainbow6869## Anti-patrones7071- ❌ Pie charts con 10 categorías — es ilegible. Usá barras.72- ❌ 3D charts — salvo contadas excepciones, son más confusos que útiles73- ❌ Dual axis engañoso — dos escalas diferentes en el mismo gráfico mienten74- ❌ Rainbow colormap — no es perceptualmente uniforme ni daltónico-friendly75- ❌ No etiquetar ejes — "sé qué significa" no es una excusa