Gráficos interactivos
Al explorar datos muchas veces es útil poder ver cómo cambia el resultado al modificar los parámetros de entrada. Para esto generalmente tenemos que cambiar el código y volver a ejecutar la celda, pero hoy quería explorar una opción más interactiva al incorporar Ipywidgets para ajustar esos parámetros. Los widgets los podemos incorporar para explorar un DataFrame (al estilo panel de control) o crear gráficos interactivos en Jupyter Notebook.
En el ecosistema de Python, hay muchas opciones para visualizar los datos de forma interactiva. Por eso, antes de meternos en harina quiero alertar de que este artículo no pretende ser una guía exhaustiva. Simplemente, al utilizar Jupyter para analizar mis datos me di cuenta de que incorporar widgets me hace la vida más fácil. Si me sirven a mí, entonces pueden ser útiles para alguien más. De allí surgió este artículo. Pero no me lío más y comenzamos mejor por el principio:
Quandl es una plataforma que recopila bases de datos financieros de diversas fuentes.
