¿ Qué es Matplotlib ?

1. Biblioteca de Visualización de Datos : Permite crear gráficos estáticos, animados e interactivos en Python.
2. Basada en NumPy : Funciona bien con arrays de NumPy, que es una biblioteca para manipulación numérica.
3. Versátil : Puedes hacer gráficos de líneas, barras, histogramas, diagramas de dispersión, etc.
4. Personalizable : permite ajustar colores, estilos y más detalles para hacer los gráficos informativos y atractivos.
5. Multiplataforma : Funciona en varios sistemas operativos y entornos de desarrollo.

Mejores usos de Matplotlib

1. Visualización de Datos para Análisis : Ayuda a entender tendencias, patrones y correlaciones.
2. Presentación de Resultados Científicos : Ideal para mostrar resultados de experimentos o estudios.
3. Educación : Enseñar conceptos de matemáticas y ciencia de datos.
4. Desarrollo de Dashboards e Informes : Para mostrar datos de forma gráfica en aplicaciones web y reportes.

Ejemplos básicos

Voy a mostrarte algunos ejemplos sencillos para ilustrar cómo se utiliza Matplotlib.

Ejemplo 1: Gráfico de Líneas

Un gráfico de líneas es útil para mostrar la tendencia de un conjunto de datos a lo largo del tiempo.

Codigo ejecutado en Google Colaboratory:

import matplotlib.pyplot as plt

import numpy as np

# Datos para el gráfico

x = np.linspace(0, 10, 100)  # 100 puntos entre 0 y 10

y = np.sin(x)  # Seno de esos puntos

# Crear el gráfico de líneas

plt.figure(figsize=(8, 4))  # tamaño del gráfico

plt.plot(x, y, label='sin(x)', color='blue')

# gráfico de línea con etiqueta y color

# Personalización

plt.title('Gráfico de Líneas - Seno de X')  # título del gráfico

plt.xlabel('X')  # etiqueta del eje X

plt.ylabel('sin(X)')  # etiqueta del eje Y

plt.grid(True)  # activar la cuadrícula

plt.legend()  # mostrar leyenda

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo básico y detallado de un gráfico de líneas en Python utilizando Matplotlib. En este gráfico, se muestra la función seno (x)$pecado⁡(�)$( x )

• Se generan 100 puntos equidistantes entre 0 y 10 en el eje X utilizando np.linspace.
• Se calcula el seno de estos puntos para obtener los valores en el eje Y.
• Se crea el gráfico de líneas con plt.plot, especificando la etiqueta y el color.
• Se añaden un título, etiquetas para los ejes X e Y, y se activa la cuadrícula para mejorar la legibilidad.
• Finalmente, se muestra una leyenda y se presenta el gráfico.

Este ejemplo ilustra cómo se puede crear un gráfico de líneas simple pero informativo en Python, que puede ser muy útil para visualizar funciones matemáticas o tendencias en los datos.

Ejemplo 2: Gráfico de barras

import matplotlib.pyplot as plt

# Datos para el gráfico de barras

categorias = ['Categoría A', 'Categoría B', 'Categoría C']

valores = [50, 30, 70]

# Crear el gráfico de barras

plt.figure(figsize=(7, 4))  # tamaño del gráfico

plt.bar(categorias, valores, color=['red', 'green', 'blue'])

# barras con diferentes colores

# Personalización

plt.title('Ejemplo de Gráfico de Barras')  # título del gráfico

plt.xlabel('Categorías')  # etiqueta del eje X

plt.ylabel('Valores')  # etiqueta del eje Y

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un gráfico de barras en Python utilizando Matplotlib. Este gráfico muestra valores para tres categorías diferentes, cada una representada por una barra de un color distinto:

• Los datos consisten en tres categorías (A, B, C) y sus valores correspondientes (50, 30, 70).
• Se crea un gráfico de barras con plt.bar, asignando un color diferente a cada barra.
• Se agregarán un título y etiquetas para los ejes X e Y para mejorar la comprensión del gráfico.

Ejemplo 3: Gráfico de dispersión

Este tipo de gráfico es útil para visualizar la distribución y relaciones entre dos variables. La variación en el tamaño y color de los puntos puede representar dimensiones adicionales de los datos, como la magnitud o la categoría.

import matplotlib.pyplot as plt

import numpy as np

# Generar datos aleatorios para el gráfico de dispersión

np.random.seed(0)  # Para reproducibilidad

x = np.random.rand(50)  # 50 puntos aleatorios para el eje X

y = np.random.rand(50)  # 50 puntos aleatorios para el eje Y

colores = np.random.rand(50)  # Colores aleatorios para cada punto

areas = (30 * np.random.rand(50))**2  # Áreas aleatorias para cada punto

# Crear el gráfico de dispersión

plt.figure(figsize=(8, 5))  # tamaño del gráfico

plt.scatter(x, y, s=areas, c=colores, alpha=0.5)  

# scatter plot con transparencia

# Personalización

plt.title('Gráfico de Dispersión')  # título del gráfico

plt.xlabel('Eje X')  # etiqueta del eje X

plt.ylabel('Eje Y')  # etiqueta del eje Y

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un gráfico de dispersión en Python utilizando Matplotlib. Este gráfico muestra 50 puntos con posiciones aleatorias en los ejes X e Y, cada uno con un color y tamaño de área aleatoria:

• Se generan puntos aleatorios para los ejes X e Y utilizando np.random.rand.
• Los colores y áreas de los puntos también se seleccionan aleatoriamente para añadir variedad visual.
• Se crea el gráfico de dispersión con plt.scatter, donde "S", controla el tamaño de los puntos y "C", sus colores. La transparencia se ajusta con alpha.
• Se añaden un título y etiquetas para los ejes para mejorar la comprensión.

Ejemplo 4: Gráfico de histogramas

Este tipo de gráfico es útil para visualizar la distribución de frecuencias de un conjunto de datos, lo que permite identificar rápidamente patrones como la centralización de datos, la dispersión y la simetría o asimetría de la distribución.

import matplotlib.pyplot as plt

import numpy as np

# Generar datos aleatorios para el histograma

np.random.seed(0)  # Para reproducibilidad

datos = np.random.randn(1000)  # 1000 puntos con distribución normal

# Crear el histograma

plt.figure(figsize=(8, 5))  # tamaño del gráfico

plt.hist(datos, bins=30, color='skyblue', edgecolor='black')  # 30 barras

# Personalización

plt.title('Histograma de Datos Aleatorios')  # título del gráfico

plt.xlabel('Valor')  # etiqueta del eje X

plt.ylabel('Frecuencia')  # etiqueta del eje Y

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un histograma en Python utilizando Matplotlib. Este histograma muestra la distribución de 1000 puntos generados aleatoriamente con una distribución normal:

• Los datos se generan con np.random.randn, que producen una distribución normal estándar.
• Se crea el histograma con plt.hist, especificando el número de barras (o "bins") y el color.
• Las barras tienen un borde negro para mejorar la distinción entre ellas.
• Se añaden un título y etiquetas para los ejes X e Y para facilitar la comprensión.

Ejemplo 5: Gráfico de diagrama de cajas

El diagrama de cajas es una herramienta útil para visualizar la distribución de los datos, permitiendo comparar rápidamente medios, rangos y variabilidad entre diferentes conjuntos de datos

import matplotlib.pyplot as plt

import numpy as np

# Generar datos aleatorios para el diagrama de cajas

np.random.seed(0)  # Para reproducibilidad

datos = [np.random.normal(0, std, 100) for std in range(1, 4)]

 # 3 conjuntos de datos con diferentes desviaciones estándar

# Crear el diagrama de cajas (boxplot)

plt.figure(figsize=(8, 5))  # tamaño del gráfico

plt.boxplot(datos, patch_artist=True)  # boxplot con colores

# Personalización

plt.title('Diagrama de Cajas de Datos Aleatorios')  # título del gráfico

plt.xticks([1, 2, 3], ['Grupo 1', 'Grupo 2', 'Grupo 3'])  

# etiquetas para los grupos

plt.ylabel('Valores')  # etiqueta del eje Y

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un diagrama de cajas (o boxplot) en Python utilizando Matplotlib. Este gráfico muestra la distribución de tres conjuntos de datos generados aleatoriamente, cada uno con diferentes desviaciones estándar:

• Se generan tres conjuntos de datos con np.random.normal, cada uno con una desviación estándar distinta (1, 2 y 3).
• Se crea el diagrama de cajas con plt.boxplot. La opción patch_artist=True se utiliza para dar color a las cajas.
• Cada caja representa la distribución de un conjunto de datos, mostrando la mediana, los cuartiles y los valores atípicos (outliers).
• Se añaden etiquetas personalizadas para los grupos y una etiqueta para el eje Y.

Ejemplo 6: Gráfico de contorno

El gráfico de contorno es útil para visualizar la relación entre tres variables (dos variables espaciales y una variable de altura o profundidad) y se utiliza en campos como la meteorología, la geografía y la física.

import matplotlib.pyplot as plt

import numpy as np

# Crear datos para el gráfico de contorno

x = np.linspace(-3.0, 3.0, 100)  # 100 puntos entre -3 y 3 para el eje X

y = np.linspace(-3.0, 3.0, 100)  # 100 puntos entre -3 y 3 para el eje Y

X, Y = np.meshgrid(x, y)  # Crear una malla 2D

Z = np.sin(np.sqrt(X**2 + Y**2))  # Calcular los valores de Z (altura)

# Crear el gráfico de contorno

plt.figure(figsize=(8, 6))  # tamaño del gráfico

contours = plt.contour(X, Y, Z, 20, cmap='viridis')  # 20 niveles de contorno

plt.clabel(contours, inline=True, fontsize=8)  # Etiquetas en los contornos

# Personalización

plt.title('Gráfico de Contorno')  # título del gráfico

plt.xlabel('Eje X')  # etiqueta del eje X

plt.ylabel('Eje Y')  # etiqueta del eje Y

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un gráfico de contorno en Python utilizando Matplotlib. Este gráfico muestra las líneas de contorno para la función.$pecado⁡(�2+�2)$

• Se generan dos series de puntos, "x" e "y", que van de -3 a 3.
• Se crea una malla 2D con estos puntos utilizando np.meshgrid.
• Los valores de Zse calculan como el seno de la raíz cuadrada de la suma de los cuadrados de "X" e "Y".
• Se utiliza plt.contour para crear el gráfico de contorno, especificando el número de niveles de contorno y el mapa de colores.
• Se agregarán etiquetas en los contornos para indicar los valores de Z.

Ejemplo 7: Gráfico 3D

Este tipo de gráfico es útil para visualizar relaciones complejas entre tres variables y es utilizado en matemáticas, física, ingeniería y otros campos científicos.

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

import numpy as np

# Crear datos para el gráfico 3D

x = np.linspace(-5, 5, 100)

y = np.linspace(-5, 5, 100)

X, Y = np.meshgrid(x, y)

Z = np.sin(np.sqrt(X**2 + Y**2))

# Crear la figura y el eje 3D

fig = plt.figure(figsize=(8, 6))

ax = fig.add_subplot(111, projection='3d')

# Gráfico de superficie

surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# Personalización

ax.set_title('Gráfico 3D - Superficie Ondulada')

ax.set_xlabel('Eje X')

ax.set_ylabel('Eje Y')

ax.set_zlabel('Eje Z')

# Mostrar el gráfico

plt.show()

Aquí tienes un ejemplo de un gráfico 3D en Python utilizando Matplotlib. Este gráfico muestra una superficie ondulada basada en la función$pecado⁡(�2+�2): ($:

• Se crean dos series de puntos, x e y, que van de -5 a 5.
• Se utiliza np.meshgridpara formar una malla 2D a partir de estos puntos.
• Los valores de Z se calculan como el seno de la raíz cuadrada de la suma de los cuadrados de X y Y.
• Se crea un eje 3D con fig.add_subplot(111, projection='3d').
• Se utiliza ax.plot_surfacepara dibujar la superficie 3D, especificando un mapa de colores.
• Se añadirán títulos y etiquetas a los ejes para mejorar la comprensión.

https://colab.research.google.com/drive/10XyrQhd-ChYG2VaW6wHZydsbFGQCX2nd#scrollTo=2uRfL-V-7VvH