Python para el análisis de datos: Matplotlib y visualización de datos

Escrito por Yasin TANIŞ

Publicado originalmente en Medium

Ilustración con gráficos y código Python para la visualización de datos

Introducción

Visualizar datos significa usar gráficos y diagramas para que los conjuntos de datos complejos sean más fáciles de entender. Python ofrece varias bibliotecas de análisis y visualización de datos, y Matplotlib es una de las más populares. En este artículo aprendemos los fundamentos de la visualización de datos con Matplotlib.

Qué es Matplotlib

Matplotlib es una biblioteca potente y flexible para crear gráficos 2D en Python. Puede dibujar gráficos de líneas, de barras, de dispersión y muchos otros tipos de gráficos.

Instalar Matplotlib

Antes de usar Matplotlib hay que instalarlo. Si aún no lo tiene en su sistema, instálelo con este comando:

pip install matplotlib

Uso básico

Empecemos con un gráfico de líneas sencillo.

import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Creating a line plot
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Simple Line Plot')
plt.show()
Gráfico de líneas sencillo con puntos de datos unidos por una línea
Figura 1: Gráfico de líneas sencillo con puntos de datos unidos por una línea.

Este ejemplo sencillo muestra cómo dibujar un gráfico de líneas con Matplotlib. Veamos ahora otros tipos de gráficos y personalizaciones.

Tipos de gráficos

Gráficos de barras

Los gráficos de barras sirven para visualizar datos categóricos.

import matplotlib.pyplot as plt

# Example data
categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 7, 1, 8, 5]
# Creating a bar chart
plt.bar(categories, values)
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Simple Bar Chart')
plt.show()
Gráfico de barras con valores para distintas categorías
Figura 2: Gráfico de barras sencillo con valores para distintas categorías.

Gráficos de dispersión

Los gráficos de dispersión muestran la relación entre dos variables.

import matplotlib.pyplot as plt

# Example data
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78]
# Creating a scatter plot
plt.scatter(x, y)
plt.xlabel('X Variable')
plt.ylabel('Y Variable')
plt.title('Simple Scatter Plot')
plt.show()
Gráfico de dispersión con la distribución de los puntos de datos
Figura 3: Gráfico de dispersión sencillo que muestra la distribución de los puntos de datos.

Histogramas

Los histogramas muestran cómo se distribuyen los datos.

import matplotlib.pyplot as plt

# Example data
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
# Creating a histogram
plt.hist(data, bins=5)
plt.xlabel('Values')
plt.ylabel('Frequency')
plt.title('Simple Histogram')
plt.show()
Histograma con la distribución de frecuencias de los datos
Figura 4: Histograma sencillo que muestra la distribución de frecuencias de los datos.

Gráficos circulares

Los gráficos circulares muestran las proporciones de datos categóricos.

import matplotlib.pyplot as plt
# Example data
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# Creating a pie chart
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.
plt.title('Simple Pie Chart')
plt.show()
Gráfico circular con las proporciones de distintas categorías
Figura 5: Gráfico circular sencillo que muestra las proporciones de distintas categorías.

Personalizar los gráficos

Matplotlib permite personalizar ampliamente los gráficos para que sean más fáciles de leer y más agradables a la vista.

Colores y estilos

Puede añadir colores y estilos para que sus gráficos resulten más atractivos.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Customizing the line plot
plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Customized Line Plot')
plt.show()
Gráfico de líneas con línea roja discontinua y marcadores circulares
Figura 6: Gráfico de líneas personalizado con línea roja discontinua y marcadores circulares.

Tamaño y resolución del gráfico

Puede ajustar el tamaño y la resolución de un gráfico según distintas necesidades.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Setting plot size and resolution
plt.figure(figsize=(10, 5), dpi=100)
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Large and High-Resolution Plot')
plt.show()
Gráfico grande de alta resolución con puntos de datos detallados
Figura 7: Gráfico grande de alta resolución con puntos de datos detallados.

Subgráficos

Los subgráficos permiten dibujar varios gráficos en una sola figura.

Dos gráficos distintos, uno al lado del otro, en una sola figura
Figura 8: Subgráficos que muestran dos gráficos distintos en una sola figura.

Gráficos logarítmicos

Los gráficos logarítmicos son útiles para datos que abarcan un rango de valores muy amplio.

import matplotlib.pyplot as plt
import numpy as np

# Example data
x = np.linspace(0.1, 100, 100)
y = np.exp(x)
# Creating a logarithmic plot
plt.plot(x, y)
plt.xscale('log')
plt.yscale('log')
plt.xlabel('Log X Axis')
plt.ylabel('Log Y Axis')
plt.title('Logarithmic Plot')
plt.show()
Gráfico de datos en escala logarítmica
Figura 9: Gráfico logarítmico que muestra datos en escala logarítmica.

Personalización avanzada

Anotaciones

Con anotaciones puede resaltar puntos concretos.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Creating a plot with annotation
plt.plot(x, y)
plt.annotate('Important Point', xy=(3, 5), xytext=(4, 10),
             arrowprops=dict(facecolor='black', shrink=0.05))
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Annotated Plot')
plt.show()
Gráfico con una flecha de anotación hacia un punto importante
Figura 10: Gráfico anotado que resalta un punto importante.

Gráficos 3D

Matplotlib también puede dibujar gráficos 3D.

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# Example data
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))
# Creating a 3D plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')
plt.title('3D Plot')
plt.show()


fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.standard_normal(100)
y = np.random.standard_normal(100)
z = np.random.standard_normal(100)
ax.scatter(x, y, z)
plt.show()
Superficie 3D con un patrón ondulado
Figura 11: Gráfico 3D que muestra una superficie con un patrón ondulado.
Gráfico 3D de puntos dispersos
Figura 11-1: Gráfico 3D con un patrón de puntos dispersos.

Ejemplo con datos sintéticos

Para ver Matplotlib en acción, creemos un conjunto de datos sintéticos y visualicémoslo con distintos tipos de gráficos.

import numpy as np
import matplotlib.pyplot as plt

# Generating synthetic data
np.random.seed(0)
x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)
# Line plot
plt.figure(figsize=(10, 5))
plt.plot(x, y, label='Synthetic Data')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Line Plot')
plt.legend()
plt.show()
# Scatter plot
plt.figure(figsize=(10, 5))
plt.scatter(x, y, label='Synthetic Data', color='red')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Scatter Plot')
plt.legend()
plt.show()
Gráfico de líneas de datos sintéticos
Figura 12: Gráfico de líneas de datos sintéticos.
Gráfico de dispersión de datos sintéticos
Figura 13: Gráfico de dispersión de datos sintéticos.

Conclusión

Matplotlib es una herramienta potente y flexible para la visualización de datos en Python. En este artículo hemos creado gráficos de líneas, de barras, de dispersión, histogramas, gráficos circulares y más. También hemos personalizado gráficos y construido visualizaciones avanzadas: gráficos anotados, subgráficos, gráficos logarítmicos y 3D. Aprovechando la amplia gama de funciones de Matplotlib, puede mejorar sus habilidades de visualización y presentar sus datos de forma clara y convincente.

Referencias

  1. Hunter, J. D. (2007). Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering, 9(3), 90–95.
  2. Documentación de Matplotlib: matplotlib.org
  3. Waskom, M. et al. (2021). Seaborn: Statistical Data Visualization. Journal of Open Source Software, 6(60), 3021. seaborn.pydata.org