Ejercicio de programación con Matplotlib: Análisis mercado de criptomonedas

1.- Configurar el entorno de trabajo:

• Abre Visual Studio Code y crea un nuevo proyecto.
• Importa las bibliotecas necesarias como: pandas, matplotlib, etc. Ya están instaladas por lo que no necesitas instalarlas.
• Crea un archivo crypto_market_analysis.ipynb donde desarrollarás el análisis avanzado del proyecto.

2.- Carga y limpieza del conjunto de datos:

• Carga el archivo cryptocurrency_data.csv utilizando pandas. El archivo contiene los precios históricos de las principales criptomonedas. Los datos han sido obtenidos del conjunto de datos "Top 50 Cryptocurrency Historical Prices".
• Dado que estás trabajando en Visual Studio Code en un entorno web, es necesario utilizar rutas absolutas para cargar los archivos. Asegúrate de que la ruta absoluta a tu archivo de datos sea correcta, tal como se muestra en el siguiente ejemplo: /workspace/cryptocurrency_data.csv
• Elimina duplicados y trata los valores nulos en las columnas:
  • Imputa los valores faltantes en las columnas numéricas (Price, Vol.) usando la mediana.
  • Asigna 'Unknown' a las criptomonedas no identificadas en la columna Currency_Name.

3.- Conversión de columna Date:

• Convierte la columna Date a formato datetime para facilitar el análisis temporal.

4.- Análisis descriptivo de los datos:

• Realiza un análisis descriptivo general utilizando .describe() para obtener estadísticas como la media, mediana y desviación estándar de las columnas de precios y volumen.
• Usa groupby para calcular las estadísticas descriptivas por criptomoneda (Bitcoin, Ethereum, etc.).

5.- Visualización de datos avanzada:

• Crea las siguientes visualizaciones utilizando matplotlib:
  • Gráfico de líneas mostrando el crecimiento de precios de Bitcoin a lo largo del tiempo.
    • Filtra el conjunto de datos para que solo contenga información de Bitcoin.
    • Utiliza plt.plot() para generar un gráfico de líneas.
  • Boxplot comparando los precios de Bitcoin, Ethereum, y Aave sin valores atípicos.
    • Filtra el conjunto de datos para que solo contenga Bitcoin, Ethereum, y Aave.
    • Utiliza plt.boxplot() para generar el gráfico, y asegúrate de que los valores atípicos estén desactivados, puedes utilizar showfliers=False para desactivarlos.
  • Gráfico de violín para visualizar la distribución de los precios de Ethereum.
    • Filtra el conjunto de datos para que solo contenga información de Ethereum.
    • Utiliza plt.violinplot() para generar el gráfico y asegúrate de incluir la media con showmeans=True.
  • Gráfico de barras apiladas para mostrar el volumen de transacciones de las criptomonedas más importantes.
    • Agrupa los datos por fecha (Date) y por criptomoneda (Currency_Name), y suma los volúmenes (Vol.) de transacciones para cada fecha y criptomoneda.
    • Usa df.groupby() para realizar la agregación y unstack() para organizar los datos de forma que puedas graficarlos.
    • Genera un gráfico de barras apiladas con df.plot(kind='bar', stacked=True).
  • Gráfico de dispersión para mostrar los precios de las criptomonedas a lo largo del tiempo.
    • Asigna colores específicos a cada criptomoneda (Bitcoin: azul, Ethereum: verde, Aave: rojo).
    • Usa plt.scatter() para generar un gráfico de dispersión donde el tamaño de los puntos dependa del precio de la criptomoneda.
  • Gráfico de líneas comparando los precios de Bitcoin y Ethereum en un solo gráfico.
    • Filtra los datos para Bitcoin y Ethereum.
    • Usa plt.plot() para generar dos líneas, una para Bitcoin y otra para Ethereum.
  • Heatmap que muestre la correlación entre los precios de varias criptomonedas.
    • Calcula la correlación entre los precios de las criptomonedas usando .corr().
    • Utiliza plt.imshow() para generar el heatmap de las correlaciones, asegurándote de elegir una paleta de colores como coolwarm para mostrar la variación de correlación.
    • Agrega una barra de color (plt.colorbar()) que represente los niveles de correlación.