Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Hallar tendencias
Comportamientos
Detectar Outliers
Matplotlib
Emula los comandos de Matlab
Usa Numpy
Escrita en Python
Rápida
Personalizable
Seaborn
Librería montada sobre Matplotlib
Python
Pandas y Numpy
Pyplot básico
Pyplot es una herramienta que tiene Matplotlib para ejecutar gráficas de manera
sencilla. Veamos cómo puedes lograrlo.
x = linspace(0,5,11)
-> [0. , 0.5, 1. , 1.5 ,2. , 2.5, 3., 3.5, 4., 4.5, 5. ]
y = x ** 2
-> [ 0. , 0.25, 1. , 2.25, 4. , 6.25, 9. , 12.25, 16. ,20.25, 25.]
Graficar en función de y
plt.plot(x,y)
plt.show()
Character color
‘b’ blue
‘g’ green
‘m’ magenta
character description
Line Styles
character description
Crear histograma
plt.pie(y)
plt.show()
plt.boxplot(x)
plt.show()
x = np.linspace(0,5,11)
y = x ** 2
Parámetros en Subplot
Los parámetros de subplot funcionan:
plt.subplot(1,2,2) # Gráfico 2
plt.pie(y)
plt.show()
plt.subplot(1,2,1)
plt.plot(x,y, 'r--') # Plot 1
plt.plot(y,x, 'b:') #Plot 2
plt.subplot(1,2,2)
plt.pie(y)
plt.show()
plt.subplot(2,1,1)#Grafico 1
plt.plot(x,y,'r--')#Plot 1
plt.plot(y,x,'b:')#Plot 2
plt.subplot(2,1,2)#Grafico 2
plt.pie(y)#Plot 1
plt.show()
La figura representa el todo, dentro de ella vamos a configurar gráficas las cuales
contienen diferentes ejes.
x = np.linspace(0,5,11)
y = x ** 2
Parámetros de axes:
Pos. Eje x Pos. Eje y Size graph eje x Size graph eje y
fig = plt.figure()
axes = fig.add_axes([0.1,0.1,0.8,0.9])
axes2 = fig.add_axes([0.17,0.55,0.4,0.3])
axes.plot(x,y, 'b')
axes2.plot(y,x, 'r:')
axes2.set_facecolor('grey')
plt.show()
x = np.linspace(0,5,11)
y = x**2
fig, ((axes1, axes2, axes3, axes4), (axes5, axes6, axes7, axes8)) = plt.subplots(2,4)
ax1.plot(x, np.sin(x), 'b')
ax2.plot(y, np.cos(x), 'purple')
ax3.plot(x, np.tan(y), 'orange')
ax4.plot(y, np.cos(y)**2, 'black')
ax2.plot(y,x, 'r')
ax2.set_title("Relacion Y - X")
ax2.plot(y,x, 'r')
ax2.set_title("Relacion Y - X")
ax2.set_xlabel("Y")
ax2.set_ylabel("X")
rows = 3
cols = 3
fig, axes = plt.subplots(nrows=rows, ncols=cols, figsize=(12,6)
fig.tight_layout()
print(plt.style.available)
---> Muestra los stilos que tiene matplot
plt.style.use('seaborn-whitegrid')
Color
Variables categóricas
Gráfica de barras
plt.bar(countrys,population)
plt.show()
plt.barh(countrys,population)
plt.show()
data = np.random.randint(1,50,100)
plt.hist(data)
plt.show()
plt.hist(data,bins=50)
plt.show()
Cambiar estilo
plt.boxplot(data)#Muestrarangointercuartilylamedianaplt.show()
Color y marker
Seaborn
sns.'Tipo deGrafica'(
data='Dataset',
x='Data en el eje x',
y='Data en el eje y',
hue='Variable de agrupamiento')
Distribución de datos
Por ejemplo:
Set
sns.barplot(x=['A','B','C'], y=[1,3,2])
plt.show()
sns.set(style='dark',palette='dark',font="Verdana", font_scale=1)
sns.barplot(x=['A','B','C'], y=[1,3,2])
plt.show()
Cada uno de los gráficos utiliza ciertos parámetros que tu podrás gestionar.
Empieza importando las librerías y el Dataset que vas a usar.
sns.displot(data= tips, x= 'total_bill', hue = 'sex', kind = 'kde', legend= False, pal
ette='dark', alpha = .5);
Uso de .kde
Con acumulación
Uso de .displot
Gráfica de distribución
Categóricos
Seaborn ofrece diferentes gráficos para graficar datos categóricos o variables de
texto. A continuación verás el código que podrás usar para gráficar este tipo de
datos.
Gráfica de cantidad
Diagrama de puntos
Relation
tips = sns.load_dataset('tips')
tips.head(2)
1. Scatter
tips = sns.load_dataset('tips')
tips.head()
1. Con Joinplot
Joinplot une 2 distintas gráficas en una sola
sns.pairplot(data= tips);
Heatmap
Heatmap es un tipo de gráfico enfocado a una estructura matricial. Heatmap
correlaciona todas las variables numéricas del dataset.
tips = sns.load_dataset('tips')
tips.head()
Heatmap
sns.heatmap(tips.corr());