Gráfico de mosaico en Python con statsmodels

Datos de ejemplo

import pandas as pd

# Datos
df = pd.DataFrame({
    "genero": ["Hombre", "Hombre", "Hombre", "Hombre",
               "Mujer", "Mujer", "Mujer", "Mujer"],
    "fumador": ["Sí", "Sí", "No", "No",
                "Sí", "No", "No", "No"]})

Gráfico de mosaico con mosaic

Un gráfico de mosaico representa la relación entre dos o más variables categóricas: el área de cada baldosa es proporcional al número de observaciones de esa combinación de categorías. La función mosaic de statsmodels.graphics.mosaicplot lo construye directamente a partir de un data frame de pandas y una lista de las columnas a cruzar.

from statsmodels.graphics.mosaicplot import mosaic

mosaic(df, ["genero", "fumador"])

# plt.show()

Colores

Pasa una función a properties: recibe la tupla de categorías de cada baldosa (por ejemplo ("Hombre", "Sí")) y debe devolver un diccionario de propiedades de patch de matplotlib, como color.

from statsmodels.graphics.mosaicplot import mosaic

colores = {"Sí": "#DD8452", "No": "#4C72B0"}

def props(key):
    return {"color": colores[key[1]]}

mosaic(df, ["genero", "fumador"], properties = props)

# plt.show()

Etiquetas

Por defecto cada baldosa se etiqueta con su tupla de categorías. Sobrescríbelo con labelizer, una función que también recibe la tupla de categorías y devuelve el texto a mostrar.

from statsmodels.graphics.mosaicplot import mosaic

def labelizer(key):
    return "/".join(key)

mosaic(df, ["genero", "fumador"], labelizer = labelizer)

# plt.show()

Espacio entre baldosas

Controla la separación entre baldosas con gap, bien un único valor para todas o una lista con un espacio por cada nivel de la primera variable categórica.

from statsmodels.graphics.mosaicplot import mosaic

mosaic(df, ["genero", "fumador"], gap = 0.03)

# plt.show()

Orientación y título

Fija horizontal = False para invertir el orden de división de las variables categóricas, y pasa title para añadir un título directamente (en lugar de una llamada aparte a plt.title).

from statsmodels.graphics.mosaicplot import mosaic

mosaic(df, ["genero", "fumador"],
      horizontal = False, title = "Hábito de fumar por género")

# plt.show()