LIBRERIA MATPLOTLIB DE PYTHON

 MATPLOTLIB

es una de las librerías principales de Python para la visualización de datos, diseñada para crear gráficos estáticos, interactivos y animados en 2D y 3D. Funciona de forma natural con estructuras de datos de NumPy y Pandas, permitiendo generar gráficos con calidad para publicaciones científicas.

Funciones más importantes:
La librería se utiliza principalmente a través de su módulo matplotlib.pyplot. Aquí tienes las funciones más utilizadas:

• plot(): Genera gráficos de líneas, uniendo una secuencia de puntos. Es ideal para observar tendencias y series temporales.
• scatter(): Dibuja gráficos de dispersión (puntos sin conectar por líneas). Es fundamental para mostrar la correlación entre dos variables numéricas.
• bar() o barh(): Crea diagramas de barras (verticales u horizontales), perfectos para comparar cantidades entre diferentes categorías
• hist(): Calcula y dibuja histogramas, lo que ayuda a entender la distribución de frecuencia de una variable numérica.
• subplots(): Crea una cuadrícula con múltiples gráficos (figura y ejes) dentro de una misma ventana. Permite organizar diferentes visualizaciones de manera estructurada.
• xlabel() / ylabel() y title(): Añaden etiquetas a los ejes X e Y y establecen un título principal para el gráfico.
• legend(): Muestra una leyenda para identificar qué representa cada color o línea en el gráfico.
• show(): Muestra la ventana o el área donde se ha renderizado el gráfico.
• savefig(): Guarda la figura generada en diferentes formatos de imagen de alta calidad, como PNG, PDF o SVG.

 EJEMPLOS:

Ejercicio 1: grafico de líneas

import matplotlib.pyplot as plt

 

# 1. Datos para los ejes X e Y

x = [1, 2, 3, 4, 5]

y = [1, 3, 7, 5, 7]

 

# 2. Crear el gráfico de línea

plt.plot(x, y, label='Mi línea', color='blue', marker='o')

 

# 3. Personalizar el gráfico

plt.title('Ejemplo Básico de Gráfico')

plt.xlabel('Eje X')

plt.ylabel('Eje Y')

plt.legend()

plt.grid(True)

 

# 4. Mostrar el gráfico en pantalla

plt.show()

 

#print("hola mundo")

 

2) grafico circular

import matplotlib.pyplot as plt

 

# 1. Datos para el gráfico

categorias = ['Manzanas', 'Plátanos', 'Naranjas', 'Uvas']

cantidades = [30, 45, 15, 10]

colores = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'] # Colores opcionales

 

# 2. Crear el gráfico circular

plt.pie(

    cantidades,

    labels=categorias,

    autopct='%1.1f%%',   # Muestra el porcentaje con un decimal

    startangle=90,       # Rota el inicio del gráfico a 90 grados

    colors=colores       # Aplica la paleta de colores personalizada

)

 

# 3. Personalizar y mostrar

plt.title('Distribución de Frutas')

plt.show()

 

3)GRAFICO DE  LINEAS 2

import matplotlib.pyplot as plt

#datos

x=[1,2,4,7,10,14,15,17,19]

y=[2,3,5,7,8,9,14,17,14]

#crear el grafico de lineas

plt.plot(x,y)

#añadir titulo y etiquetas

plt.title("evolucion de produccion")

plt.xlabel("pedidos")

plt.ylabel("tn")

#añadir cuadricula

plt.grid(True)

#mostrar el grafico

plt.plot(x, y, color="#591A69", linewidth=3)

plt.show()

 

4) GRAFICOS DE COLUMNAS

import matplotlib.pyplot as plt

 

# 1. Definir los datos (Categorías y sus Valores)

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

valores = [23, 45, 12, 30]

 

# Opcional: Definir una lista de colores en código HEX (uno para cada columna)

colores_hex = ['#3498db', '#e74c3c', '#2ecc71', '#f1c40f']

 

# 2. Crear el gráfico de columnas

# Si quieres un solo color para todas, usa: color='#3498db'

plt.bar(categorias, valores, color=colores_hex, edgecolor='#2c3e50', linewidth=1.5)

 

# 3. Personalizar el diseño

plt.title('Gráfico de Columnas con Colores Personalizados', fontsize=14, fontweight='bold')

plt.xlabel('Categorías', fontsize=12)

plt.ylabel('Valores', fontsize=12)

plt.grid(axis='y', linestyle='--', alpha=0.7) # Cuadrícula solo en el eje Y

 

# 4. Mostrar el resultado

plt.show()

 

5) GRAFICO DE PUNTOS

import matplotlib.pyplot as plt

 

# 1. Generar 50 datos usando las herramientas nativas de Python

# Creamos una secuencia del 1 al 50 para el eje X

x = list(range(1, 51))

 

# Generamos 50 valores para el eje Y usando una fórmula matemática (ej. una curva con saltos)

y = [(i ** 1.5) + (i * 2 if i % 2 == 0 else -i * 3) for i in x]

 

# 2. Crear el gráfico de puntos

plt.scatter(x, y, color='#2ecc71', s=50, marker='o', edgecolor='#27ae60')

 

# 3. Personalizar el diseño

plt.title('Gráfico de 50 Puntos ', fontsize=14)

plt.xlabel('Eje X (Índice)')

plt.ylabel('Eje Y (Valor)')

plt.grid(True, linestyle='--', alpha=0.5)

 

# 4. Mostrar el gráfico

plt.show()

 

7)grafico de colores

import matplotlib.pyplot as plt

 

# 1. Crear una matriz de datos 5x5 usando listas nativas de Python

# Cada fila representa una categoría y cada columna una variable

datos = [

    [43, 14, 25, 17, 33],

 [44, 81, 72, 18, 32],

 [35, 20, 27, 25, 18],

 [47, 13, 22, 23, 11],

  [40, 85, 25, 60, 30],

]

 

# Etiquetas para los ejes

ciudades = ['Madrid', 'Barcelona', 'Valencia', 'Sevilla', 'Bilbao']

meses = ['Ene', 'Feb', 'Mar', 'Abr', 'May']

 

# 2. Crear la figura y el mapa de calor

fig, ax = plt.subplots(figsize=(6, 5))

 

# 'cmap' define la paleta de colores (ej: 'viridis', 'coolwarm', 'inferno', 'magma')

# 'interpolation' define si se ven los pixeles duros o difuminados

im = ax.imshow(datos, cmap='coolwarm', interpolation='nearest')

 

# 3. Agregar la barra de color (leyenda de intensidad)

cbar = ax.figure.colorbar(im, ax=ax)

cbar.ax.set_ylabel("Escala de Valores", rotation=-90, va="bottom")

 

# 4. Personalizar los ejes con sus nombres de filas y columnas

ax.set_xticks(range(len(meses)))

ax.set_xticklabels(meses)

 

ax.set_yticks(range(len(ciudades)))

ax.set_yticklabels(ciudades)

 

# 5. Opcional: Agregar el número exacto dentro de cada celda

for i in range(len(ciudades)):

    for j in range(len(meses)):

        # Si el valor es muy alto o bajo, puedes cambiar el color del texto para que se lea bien

        color_texto = "white" if datos[i][j] > 70 or datos[i][j] < 25 else "black"

        ax.text(j, i, str(datos[i][j]), ha="center", va="center", color=color_texto, fontweight='bold')

 

# 6. Títulos y ajustes finales

plt.title('Mapa de Calor - Datos de Ventas por Ciudad', fontsize=14, pad=15)

plt.tight_layout()

 

# 7. Mostrar el gráfico

plt.show()

 

 

8) grafico tridimensional

 import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()

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

ax.plot([0,1],[0,4],[0,7])

plt.show()