Gráficos en Python: visualización de datos con Matplotlib

Fundamentos para crear gráficos en Python

La visualización de datos es una herramienta clave para el análisis de información. Los gráficos ayudan a identificar tendencias rápidamente, detectar anomalías y tomar decisiones fundamentadas. Python ofrece un amplio conjunto de librerías para crear visualizaciones.

¿Por qué usar gráficos en Python?

Crear gráficos en Python es esencial para las siguientes tareas:

• Analizar rápidamente grandes volúmenes de datos
• Presentar de forma visual resultados de experimentos e investigaciones
• Mostrar datos a clientes y colegas de manera clara
• Enriquecer informes y paneles de control (dashboards)
• Descubrir patrones ocultos en los datos
• Desarrollar visualizaciones interactivas para aplicaciones web

Resumen de las librerías más populares para visualización

Entre las herramientas más utilizadas para hacer gráficos en Python destacan:

Matplotlib - librería base de visualización con un nivel de complejidad bajo. Ofrece control total sobre la apariencia de los gráficos.

Pyplot - módulo de Matplotlib para crear gráficos estándar de forma rápida. Se caracteriza por su facilidad de uso.

Seaborn - librería para visualización estadística que funciona como una extensión de Matplotlib. Tiene un nivel de complejidad medio.

Plotly - herramienta para crear gráficos interactivos con un nivel de complejidad medio.

Pandas Plot - funciones de visualización integradas directamente desde un DataFrame, con un nivel de complejidad bajo.

Trabajando con la librería Matplotlib y el módulo Pyplot

Instalación e importación de la librería

Para empezar a trabajar con Matplotlib, primero debes instalar la librería:

pip install matplotlib

Luego, importamos los módulos necesarios:

import matplotlib.pyplot as plt

Creación de un gráfico lineal simple

Un ejemplo básico para crear un gráfico de líneas:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.title("Gráfico lineal simple")
plt.xlabel("Eje X")
plt.ylabel("Eje Y")
plt.show()

El resultado muestra una relación lineal entre las variables X e Y.

Personalización del estilo y la apariencia del gráfico

Para mejorar el aspecto del gráfico, puedes usar varios parámetros:

plt.plot(x, y, color='green', linestyle='--', marker='o')
plt.title("Gráfico personalizado")
plt.grid(True)
plt.show()

Parámetros principales de personalización:

• color - color de la línea
• linestyle - estilo de línea (-- discontinua, -. trazo-punto, : punteada)
• marker - marcador para los puntos (o, s, ^, v)
• linewidth - grosor de la línea
• alpha - nivel de transparencia

Creación de gráficos de barras y circulares

Creando un gráfico de barras

Los gráficos de barras son ideales para comparar valores entre categorías:

categories = ['A', 'B', 'C', 'D']
values = [10, 24, 36, 40]

plt.bar(categories, values, color='skyblue')
plt.title("Gráfico de barras")
plt.xlabel("Categorías")
plt.ylabel("Valores")
plt.show()

Creando un gráfico circular (pastel)

Los gráficos circulares muestran la proporción de cada categoría respecto al total:

sizes = [40, 30, 20, 10]
labels = ['Python', 'Java', 'C++', 'Ruby']

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title("Gráfico circular")
plt.axis('equal')  # asegura que el gráfico sea un círculo perfecto
plt.show()

Parámetros del gráfico circular:

• autopct - formato para mostrar los porcentajes
• startangle - ángulo de inicio para la primera porción
• explode - separar una porción del centro para resaltarla