Creación de gráficos con matplotlib

Para crear un gráfico con matplotlib es habitual seguir los

siguientes pasos:

1. Importar el módulo pyplot.

2. Definir la figura que contendrá el gráfico, que es la region
(ventana o página) donde se dibujará y los ejes sobre los
que se dibujarán los datos. Para ello se utiliza la
función subplots().
3. Dibujar los datos sobre los ejes. Para ello se utilizan
distintas funciones dependiendo del tipo de gráfico que
se quiera.
4. Personalizar el gráfico. Para ello existen multitud de
funciones que permiten añadir un título, una leyenda, una
rejilla, cambiar colores o personalizar los ejes.
5. Guardar el gráfico. Para ello se utiliza la función savefig().
6. Mostrar el gráfico. Para ello se utiliza la función show().
# Importar el módulo pyplot con el alias plt
import matplotlib.pyplot as plt
# Crear la figura y los ejes
fig, ax = plt.subplots()
# Dibujar puntos
ax.scatter(x = [1, 2, 3], y = [3, 2, 1])
# Guardar el gráfico en formato png
plt.savefig('diagrama-dispersion.png')
# Mostrar el gráfico
plt.show()
Diagramas de dispersión o puntos
 scatter(x, y): Dibuja un diagrama de puntos con las
coordenadas de la lista x en el eje X y las coordenadas de
la lista y en el eje Y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.scatter([1, 2, 3, 4], [1, 2, 0, 0.5])
plt.show()
Diagramas de líneas
 plot(x, y): Dibuja un polígono con los vértices dados por las
coordenadas de la lista x en el eje X y las coordenadas de
la lista y en el eje Y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4], [1, 2, 0, 0.5])
plt.show()
Diagramas de areas
 fill_between(x, y): Dibuja el area bajo el polígono con los
vértices dados por las coordenadas de la lista x en el eje X
y las coordenadas de la lista y en el eje Y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.fill_between([1, 2, 3, 4], [1, 2, 0, 0.5])
plt.show()
Diagramas de barras verticales
 bar(x, y): Dibuja un diagrama de barras verticales
donde x es una lista con la posición de las barras en el eje
X, e y es una lista con la altura de las barras en el eje Y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.bar([1, 2, 3], [3, 2, 1])
plt.show()
Diagramas de barras horizontales
 barh(x, y): Dibuja un diagrama de barras horizontales
donde x es una lista con la posición de las barras en el eje
Y, e y es una lista con la longitud de las barras en el eje X.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.barh([1, 2, 3], [3, 2, 1])
plt.show()
Histogramas
 hist(x, bins): Dibuja un histograma con las frecuencias
resultantes de agrupar los datos de la lista x en las clases
definidas por la lista bins.
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x = np.random.normal(5, 1.5, size=1000)
ax.hist(x, np.arange(0, 11))
plt.show()
Diagramas de sectores
 pie(x): Dibuja un diagrama de sectores con las frecuencias
de la lista x.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.pie([5, 4, 3, 2, 1])
plt.show()
Diagramas de caja y bigotes
 boxplot(x): Dibuja un diagrama de caja y bigotes con los
datos de la lista x.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.boxplot([1, 2, 1, 2, 3, 4, 3, 3, 5, 7])
plt.show()
Diagramas de violín
 violinplot(x): Dibuja un diagrama de violín con los datos de
la lista x.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.violinplot([1, 2, 1, 2, 3, 4, 3, 3, 5, 7])
plt.show()
Diagramas de contorno
 contourf(x, y, z): Dibuja un diagrama de contorno con las
curvas de nivel de la superficie dada por los puntos con
las coordenadas de las listas x, y y z en los ejes X, Y y Z
respectivamente.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x = np.linspace(-3.0, 3.0, 100)
y = np.linspace(-3.0, 3.0, 100)
x, y = np.meshgrid(x, y)
z = np.sqrt(x**2 + 2*y**2)
ax.contourf(x, y, z)
plt.show()
Mapas de color
 imshow(x): Dibuja un mapa de color a partir de una matriz
(array bidimensiona) x.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x = np.random.random((16, 16))
ax.imshow(x)
plt.show()
  hist2d(x, y): Dibuja un mapa de color que simula un
histograma bidimensional, donde los colores de los
cuadrados dependen de las frecuencias de las clases de la
muestra dada por las listas x e y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x, y = np.random.multivariate_normal(mean=[0.0, 0.0], cov=[[1.0, 0.4], [0.4, 0.5]], size=1000).T
ax.hist2d(x, y)
plt.show()
Cambiar el aspecto de los gráficos
Los gráficos creados con Matplotlib son personalizables y
puede cambiarse el aspecto de casi todos sus elementos. Los
elementos que suelen modificarse más a menudo son:

 Colores
 Marcadores de puntos
 Estilo de líneas
 Títulos
 Ejes
 Leyenda
 Rejilla

Colores
Para cambiar el color de los objetos se utiliza el parámetro color
= nombre-color, donde nombre-color es una cadena con el nombre
del color de entre los colores disponibles.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'], color = 'tab:purple')
ax.plot(dias, temperaturas['Barcelona'], color = 'tab:green')
plt.show()

Marcadores
Para cambiar la forma de los puntos marcadores se utiliza el
parámetro marker = nombre-marcador donde nombre-marcador es
una cadena con el nombre del marcador de entre
los marcadores disponibles
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'], marker = '^')
ax.plot(dias, temperaturas['Barcelona'], marker = 'o')
plt.show()
Líneas
Para cambiar el estilo de las líneas se utiliza el
parámetro linestyle = nombre-estilo donde nombre-estilo es una
cadena con el nombre del estilo de entre los estilos disponibles
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'], linestyle = 'dashed')
ax.plot(dias, temperaturas['Barcelona'], linestyle = 'dotted')
plt.show()
Títulos
Para añadir un título principal al gráfico se utiliza el siguiente
método:

 ax.set_title(titulo, loc=alineacion, fontdict=fuente) : Añade un

título con el contenido de la cadena titulo a los ejes ax. El
parámetro loc indica la alineación del título, que puede
ser 'left' (izquierda), 'center' (centro) o 'right' (derecha), y el
parámetro fontdict indica mediante un diccionario las
características de la fuente (la el tamaño fontisize, el
grosor fontweight o el color color).
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'])
ax.plot(dias, temperaturas['Barcelona'])
ax.set_title('Evolución de la temperatura diaria', loc = "left", fontdict = {'fontsize':14, 'fontweight':'bold',
'color':'tab:blue'})
plt.show()
Ejes
Para cambiar el aspecto de los ejes se suelen utilizar los
siguientes métodos:

 ax.set_xlabel(titulo) : Añade un título con el contenido de la

cadena titulo al eje x de ax. Se puede personalizar la
alineación y la fuente con los mismos parámetros que
para el título principal.
 ax.set_ylabel(titulo) : Añade un título con el contenido de la
cadena titulo al eje y de ax. Se puede personalizar la
alineación y la fuente con los mismos parámetros que
para el título principal.
 ax.set_xlim([limite-inferior, limite-superior]) : Establece los
límites que se muestran en el eje x de ax.
 ax.set_ylim([limite-inferior, limite-superior]) : Establece los
límites que se muestran en el eje y de ax.
  ax.set_xticks(marcas) : Dibuja marcas en el eje x de ax en las
posiciones indicadas en la lista marcas.
 ax.set_yticks(marcas) : Dibuja marcas en el eje y de ax en las
posiciones indicadas en la lista marcas.
 ax.set_xscale(escala) : Establece la escala del eje x de ax,
donde el parámetro escala puede ser 'linear' (lineal)
o 'log' (logarítmica).
 ax.set_yscale(escala) : Establece la escala del eje y de ax,
donde el parámetro escala puede ser 'linear' (lineal)
o 'log' (logarítmica).
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'])
ax.plot(dias, temperaturas['Barcelona'])
ax.set_xlabel("Días", fontdict = {'fontsize':14, 'fontweight':'bold', 'color':'tab:blue'})
ax.set_ylabel("Temperatura ºC")
ax.set_ylim([20,35])
ax.set_yticks(range(20, 35))
plt.show()
Leyenda
Para añadir una leyenda a un gráfico se utiliza el siguiente
método:

 ax.legend(leyendas, loc = posición) : Dibuja un leyenda en los

ejes ax con los nombres indicados en la lista leyendas. El
parámetro loc indica la posición en la que se dibuja la
leyenda y puede ser 'upper left' (arriba izquierda), 'upper
center' (arriba centro), 'upper right' (arriba derecha), 'center
left' (centro izquierda), 'center' (centro), 'center right' (centro
derecha), 'lower left' (abajo izquierda), 'lower center' (abajo
centro), 'lower right' (abajo derecha). Se puede omitir la
lista leyendas si se indica la leyenda de cada serie en la
función que la dibuja mediante el parámetro label.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'], label = 'Madrid')
ax.plot(dias, temperaturas['Barcelona'], label = 'Barcelona')
ax.legend(loc = 'upper right')
plt.show()
Rejilla
ax.grid(axis=ejes, color=color, linestyle=estilo) : Dibuja una rejilla en
los ejes de ax. El parámetro axis indica los ejes sobre los que se
dibuja la regilla y puede ser 'x' (eje x), 'y' (eje y) o 'both' (ambos).
Los parámetros color y linestyle establecen el color y el estilo de
las líneas de la rejilla, y pueden tomar los mismos valores vistos
en los apartados de colores y líneas.
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax.plot(dias, temperaturas['Madrid'])
ax.plot(dias, temperaturas['Barcelona'])
ax.grid(axis = 'y', color = 'gray', linestyle = 'dashed')
plt.show()
Múltiples gráficos
Es posible dibujar varios gráficos en distintos ejes en una
misma figura organizados en forma de tabla. Para ello, cuando
se inicializa la figura y los ejes, hay que pasarle a la
función subplots el número de filas y columnas de la tabla que
contendrá los gráficos. Con esto los distintos ejes se organizan
en un array y se puede acceder a cada uno de ellos a través de
sus índices. Si se quiere que los distintos ejes compartan los
mismos límites para los ejes se pueden pasar los
parámetros sharex = True para el eje x o sharey = True para el eje y.
import matplotlib.pyplot as plt
fig, ax = plt.subplots(2, 2, sharey = True)
dias = ['L', 'M', 'X', 'J', 'V', 'S', 'D']
temperaturas = {'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5], 'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5,
25]}
ax[0, 0].plot(dias, temperaturas['Madrid'])
ax[0, 1].plot(dias, temperaturas['Barcelona'], color = 'tab:orange')
ax[1, 0].bar(dias, temperaturas['Madrid'])
ax[1, 1].bar(dias, temperaturas['Barcelona'], color = 'tab:orange')
plt.show()
Integración con Pandas
Matplotlib se integra a la perfección con la librería Pandas,
permitiendo dibujar gráficos a partir de los datos de las series y
DataFrames de Pandas.

 df.plot(kind=tipo, x=columnax, y=columnay, ax=ejes) : Dibuja un

diagrama del tipo indicado por el parámetro kind en los
ejes indicados en el parámetro ax, representando en el eje
x la columna del parámetro x y en el eje y la columna del
parámetro y. El parámetro kind puede tomar como
argumentos 'line' (lineas), 'scatter' (puntos), 'bar' (barras
verticales), 'barh' (barras
horizontales), 'hist' (histograma), 'box' (cajas), 'density' (densi
dad), 'area' (area) o 'pie' (sectores). Es posible pasar otros
parámetros para indicar el color, el marcador o el estilo de
línea como se vió en los apartados anteriores.
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame({'Días':['L', 'M', 'X', 'J', 'V', 'S', 'D'],
'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5],
'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5, 25]})
fig, ax = plt.subplots()
df.plot(x = 'Días', y = 'Madrid', ax = ax)
df.plot(x = 'Días', y = 'Barcelona', ax = ax)
plt.show()

Si no se indican los parámetros x e y se representa el índice de

las filas en el eje x y una serie por cada columna del Dataframe.
Las columnas no numéricas se ignoran.
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame({'Días':['L', 'M', 'X', 'J', 'V', 'S', 'D'],
'Madrid':[28.5, 30.5, 31, 30, 28, 27.5, 30.5],
'Barcelona':[24.5, 25.5, 26.5, 25, 26.5, 24.5, 25]})
df = df.set_index('Días')
fig, ax = plt.subplots()
df.plot(ax = ax)
plt.show()
 1.4.1. Introducción
Matplotlib es probablemente el paquete de Python más utilizado para gráficos
2D. Proporciona una manera muy rápida de visualizar datos y figuras con
calidad de publicación en varios formatos. Vamos a explorar Matplotlib en
modo interactivo cubriendo los casos más comunes.

1.4.1.1. IPython y el modo pylab

IPython es un shell interactivo mejorado de Python que tiene un montón de

características interesantes, incluyendo entradas y salidas con nombre, el
acceso a comandos de la shell, la mejora de depuración y mucho más. Cuando
se inicia con el argumento -pylab en la ventana de comandos (–pylab desde la
versión IPython 0.12), permite sesiones interactivas Matplotlib que tienen la
misma funcionalidad que Matlab/Mathematica.

1.4.1.2. pylab

pylab proporciona una interfaz orientada a objetos a la biblioteca de trazado

Matplotlib cercano a Matlab(TM). Por tanto, la mayoría de los comandos de
trazado en pylab tiene análogos Matlab(TM) con similares argumentos.
Comandos importantes se explican con ejemplos interactivos.

1.4.2. Gráfica simple

En esta sección, llamaremos a las funciones seno y coseno en la misma
gráfica. A partir de la configuración por defecto, vamos a enriquecer la figura
paso a paso para que sea más agradable.

El primer paso es obtener los datos para las funciones seno y coseno
import numpy as np

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)

C, S = np.cos(X), np.sin(X)

X es ahora un arreglo numpy con 256 valores que van desde -π a +π (incluido).
C es la función coseno (256 valores) y S es la función seno (256 valores).
 Para ejecutar el ejemplo, teclee los comandos en una sesión interactiva
IPython
$ ipython --pylab

Esto nos lleva a el shell IPython

IPython 0.13 -- An enhanced Interactive Python.
? -> Introduction to IPython's features.
%magic -> Information about IPython's 'magic' % functions.
help -> Python's own help system.
object? -> Details about 'object'. ?object also works, ?? prints more.

Welcome to pylab, a matplotlib-based Python environment.

For more information, type 'help(pylab)'.

o puede descargar cada uno de los ejemplos y ejecutarlo usando el intérprete

estandar python
$ python exercice_1.py

Usted puede obtener el código para cada paso haciendo clic en la figura
correspondiente.
 1.4.2.1. Valores por defecto

Consejo

Documentación

 Tutorial pyplot
 Comando plot()

Matplotlib viene con un conjunto de valores predeterminados que permiten la

personalización de todos los tipos de propiedades. Puede controlar los valores
predeterminados de casi todas las propiedades en matplotlib: tamaño de figura
y dpi, grosor de línea, color y estilo, ejes , ejes y propiedades de cuadrícula,
propiedades de texto y fuente, etc.
import pylab as pl
import numpy as np

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)

C, S = np.cos(X), np.sin(X)

pl.plot(X, C)
pl.plot(X, S)

pl.show()

1.4.2.2. Instancias por defecto

Consejo

Documentación

 Personalizando matplotlib

En el siguiente script, hemos creado una instancia (y comentamos) todos los

ajustes de la figura que influyen en la aparición del gráfico. Los ajustes son
explícitos para configurar los valores predeterminados, pero usted puede jugar
interactivamente con los valores para explorar su efecto (ver `Line
properties`_ y `Line styles`_ más abajo).
import pylab as pl
import numpy as np
# Crear una figura de 8x6 puntos de tamaño, 80 puntos por pulgada
pl.figure(figsize=(8, 6), dpi=80)

# Crear una nueva subgráfica en una rejilla de 1x1

pl.subplot(1, 1, 1)

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)

C, S = np.cos(X), np.sin(X)

# Graficar la función coseno con una línea continua azul de 1 pixel de grosor
pl.plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# Graficar la función coseno con una línea continua verde de 1 pixel de grosor
pl.plot(X, S, color="green", linewidth=1.0, linestyle="-")

# Establecer límites del eje x

pl.xlim(-4.0, 4.0)

# Ticks en x
pl.xticks(np.linspace(-4, 4, 9, endpoint=True))

# Establecer límites del eje y

pl.ylim(-1.0, 1.0)

# Ticks en y
pl.yticks(np.linspace(-1, 1, 5, endpoint=True))

# Guardar la figura usando 72 puntos por pulgada

# savefig("exercice_2.png", dpi=72)

# Mostrar resultado en pantalla

pl.show()
 1.4.2.3. Cambiar colores y grosor de línea

Consejo

Documentación

 Controlando propiedades de línea

 API línea

Primer paso, queremos mostrar la función coseno en azul, la función seno en

rojo y un línea ligeramente más gruesa para ambas funciones. También vamos
a modificar el tamaño para que sea ligeramente más horizontal.
...
pl.figure(figsize=(10, 6), dpi=80)
pl.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
pl.plot(X, S, color="red", linewidth=2.5, linestyle="-")
...
 1.4.2.4. Establecer límites

Consejo

Documentación

 Comando xlim()
 Comando ylim()

Debido a los límites actuales la figura se muestra un poco ajustada, cambiamos

los límites con el fin de ver con claridad todos los puntos.
...
pl.xlim(X.min() * 1.1, X.max() * 1.1)
pl.ylim(C.min() * 1.1, C.max() * 1.1)
...
 1.4.2.5. Configurando graduación de ejes

Consejo

Documentación

 Comando xticks()
 Comando yticks()
 Tick container
 Tick locating and formatting

Los graduación actual no es ideal, ya que no muestran los valores requeridos

(+/-π,+/-π/2) para la función seno y la función coseno. Los cambiamos de tal
manera que sólo muestren estos valores.
...
pl.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
pl.yticks([-1, 0, +1])
...
 1.4.2.6. Configurando etiquetas graduadas

Consejo

Documentación

 Trabajando con texto

 Comando xticks()
 Comando yticks()
 set_xticklabels()
 set_yticklabels()

Las graduaciones están correctamente colocadas, pero su etiqueta no es muy

explícita. Podríamos suponer que 3.142 es π pero es mejor hacerlo de forma
explícita. Cuando establecemos los valores de graduación, también podemos
proporcionar una etiqueta correspondiente en el segundo argumento de la lista.
Tenga en cuenta que vamos a utilizar látex para permitir una buena
renderización de la etiqueta.
...
pl.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

pl.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
...
 1.4.2.7. Moviendo spines

Consejo

Documentación

 Spines
 Axis container
 Transformations tutorial

Los spines son las líneas que unen las marcas de graduación del eje y
muestran los límites de datos. Se pueden colocar en posiciones arbitrarias,
hasta ahora estaban en el borde del eje. Vamos a cambiar eso, ya que
queremos tener en el medio. Puesto que hay cuatro de ellos
(arriba/abajo/izquierda/derecha), vamos a descartar la parte superior y derecha
al establecer su color a ninguno y vamos a mover la parte inferior y la
izquierdas para coordinar 0 en las coordenadas de datos.
...
ax = pl.gca() # gca stands for 'get current axis'
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
...

1.4.2.8. Agregando una leyenda

Consejo

Documentación

 Legend guide
 legend() command
 Legend API

Vamos a añadir una leyenda en la esquina superior izquierda. Esto sólo

requiere la adición de la palabra clave label (que se utilizará en el cuadro de la
leyenda) en el comando plot.
...
pl.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
pl.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")

pl.legend(loc='upper left')
...
 1.4.2.9. Anotaciones en puntos

Consejo

Documentación

 Annotating axis
 annotate() command

Vamos a anotar algunos puntos interesantes utilizando el comando de

annotate. Elegimos el valor 2π/3 y queremos anotar tanto en la función seno y
el coseno. Haremos primero dibujar un marcador en la curva, así como una
línea de puntos recta. A continuación, vamos a utilizar el comando annotate
que muestra parte del texto con una flecha.
...

t = 2 * np.pi / 3
pl.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--")
pl.scatter([t, ], [np.cos(t), ], 50, color='blue')

pl.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
xy=(t, np.sin(t)), xycoords='data',
xytext=(+10, +30), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
pl.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--")
pl.scatter([t, ],[np.sin(t), ], 50, color='red')

pl.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
...

1.4.2.10. Devil is in the details

Consejo

Documentación

 Artists
 BBox

Las etiquetas graduadas ahora son apenas visibles debido a las líneas azules y
rojas. Podemos hacerlos más grandes y también podemos ajustar sus
propiedades, que van a estar renderizados en un fondo blanco semi-
transparente. Esto nos permitirá ver tanto los datos y las etiquetas.
...
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(16)
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))
...

1.4.3. Figuras, Subplots, Axes y Ticks

Hasta ahora hemos utilizado implícitamente la creación de ejes y figuras. Esto
es útil para hacer gráficas rápidas. Podemos tener más control sobre la figura,
subplots y ejes explícitamente. Una figura en matplotlib significa toda la
ventana en la interfaz de usuario. Dentro de esta figura no pueden haber
subplots . Mientras que las posiciones de los subplots en una cuadrícula
regular, permite la colocación libre de ejes dentro de la figura. Ambos puede
ser útiles dependiendo de su intención. Ya hemos trabajado con figuras y
subplots sin llamarlos explícitamente. Cuando llamamos a un gráfico, matplotlib
llama a gca() para obtener los ejes actuales y gca a su vez llama a gcf() para
obtener la figura actual. Si no hay ninguna figure() es llamada para hacer una,
hablando estrictamente, se hace un subplot(111). Echemos un vistazo a los
detalles.

1.4.3.1. Figuras

Una figura es una ventana(s) en el GUI con título “Figure #”. Las figuras están
numeradas a partir de 1, esto es claramente un ‘estilo’ MATLAB. Existen varios
parámetros que determinar que la figura se vea así:
Argument
Por defecto Descripción
o

num 1 número de figura

figsize figure.figsize tamaño de figura en pulgadas (ancho, alto)

dpi figure.dpi resolución en puntos por pulgada

facecolor figure.facecolor color de fondo del dibujo

edgecolor figure.edgecolor color del borde alrededor del fondo del dibujo

frameon True dibujar figura en marcos o no

Los valores por defecto se pueden especificar en el archivo de recursos y se

utilizará la mayor parte del tiempo. Sólo el número de la figura se cambia con
frecuencia.
 Cuando se trabaja con la interfaz gráfica de usuario se puede cerrar una figura
haciendo clic en la X de la esquina superior derecha. Sin embargo, se puede
cerrar una figura llamando a close. Según el argumento para cerrar (1) la figura
actual (sin argumento) , (2) una figura específica (número de la figura o
instancia de figura es argumento ), o (3) todas las figuras (all es argumento).

Al igual que con otros objetos, también se puede establecer las propiedades de
la figura con setp o con el método set_something.

1.4.3.2. Subplots

Con subplot puede organizar gráficas en una cuadrícula regular. Es necesario

especificar el número de filas, columnas y el número del gráfico. Tenga en
cuenta que el comando gridspec es una alternativa más poderosa.
1.4.3.3. Ejes (axes)

Los ejes son muy similares a los subplots, permiten colocar gráficos en
cualquier ubicación en la figura. Así que si queremos poner un gráfico pequeño
dentro de uno más grande con los mismos ejes.
 1.4.3.4. Graduaciones (ticks)

Las graduaciones con formato son una parte importante de los gráficos listos
para publicar. Matplotlib ofrece un sistema totalmente configurable para
graduaciones. Hay graduaciones localizadoras para especificar dónde deben
aparecer las graduaciones y graduaciones con formato para dar el aspecto que
desea a las graduaciones. Las graduaciones mayores y menores puede ser
localizadas y formateadas de forma independiente el uno del otro. Por defecto
no se muestra la graduación menor, es decir, sólo hay una lista vacía de ellos,
ya que estan con NullLocator (ver a continuación).

1.4.3.4.1. Localizadoras de graduación (tick locators)

Las localizadoras de graduación controlan las posiciones de las graduaciones.

Ellas se establecen como
ax = pl.gca()
ax.xaxis.set_major_locator(eval(locator))

Hay varios localizadores para diferentes tipos de requerimientos:

Todos estos localizadores derivan de la clase base matplotlib.ticker.Locator.

Usted puede hacer su propio localizador derivandola de la clase base.
Manipulación de fechas con graduaciones puede ser especialmente difícil. Por
lo tanto, matplotlib proporciona localizadores especiales en matplotlib.dates.

1.4.4. Otros tipos de gráficos: ejemplos y

ejercicios
1.4.4.1. Gráficos regulares
 Consejo

Es necesario utilizar el comando fill_between.

A partir del código de abajo, trate de reproducir el gráfico en forma correcta

tomando en cuenta las zonas rellenadas
n = 256
X = np.linspace(-np.pi, np.pi, n, endpoint=True)
Y = np.sin(2 * X)

pl.plot(X, Y + 1, color='blue', alpha=1.00)

pl.plot(X, Y - 1, color='blue', alpha=1.00)

Haga clic en la figura para la solución.

1.4.4.2. Gráficos de dispersión (scatter)

Consejo

Color está dado por el ángulo de (X, Y).

 A partir del código de abajo, trate de reproducir el gráfico en forma correcta
tomando en cuenta el tamaño de marcas, el color y la transparencia.
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

pl.scatter(X,Y)

Haga clic en la figura para la solución.

1.4.4.3. Gráfico de barras (bar)

Consejo

Tomar en cuenta la alineación del texto.

A partir del código de abajo, trate de reproducir el gráfico en forma correcta

agregando etiquetas en las barras rojas.
n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

pl.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')

pl.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x, y in zip(X, Y1):

pl.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')

pl.ylim(-1.25, +1.25)

Haga clic en la figura para la solución.

1.4.4.4. Gráficos de contorno

Consejo

Es necesario utilizar el comando clabel.

A partir del código de abajo, trate de reproducir el gráfico en forma correcta

tomando en cuneta el colormap (ver Colormaps más abajo).
def f(x, y):
 return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 -y ** 2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)

pl.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap='jet')

C = pl.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

Haga clic en la figura para la solución.

1.4.4.5. Imshow

Consejo

Necesita tomar en cuenta el origin de la imagen en el comando imshow y

usar un colorbar.

A partir del código de abajo, trate de reproducir el gráfico en forma correcta

teniendo en cuenta el colormap, interpolación de imágenes y el origen.
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

n = 10
x = np.linspace(-3, 3, 4 * n)
y = np.linspace(-3, 3, 3 * n)
X, Y = np.meshgrid(x, y)
pl.imshow(f(X, Y))

Haga clic en la figura para la solución.

1.4.4.6. Pie Charts

Consejo

Debe modificar Z.

A partir del código de abajo, trate de reproducir el gráfico en forma correcta

tomando en cuenta los colores y el tamaño de divisiones.
Z = np.random.uniform(0, 1, 20)
pl.pie(Z)
 Haga clic en la figura para la solución.

1.4.4.7. Quiver Plots

Consejo

Tienes que dibujar las flechas dos veces.

A partir del código anterior, intente reproducir el gráfico en la toma correcta

tomando en cuenta los colores y direcciones.
n=8
X, Y = np.mgrid[0:n, 0:n]
pl.quiver(X, Y)

Haga clic en la figura para la solución.

 1.4.4.8. Cuadrículas (grids)

A partir del código anterior, intente reproducir el gráfico en la toma correcta

tomando en cuenta los estilos de línea.
axes = pl.gca()
axes.set_xlim(0, 4)
axes.set_ylim(0, 3)
axes.set_xticklabels([])
axes.set_yticklabels([])

Haga clic en la figura para la solución.

 1.4.4.9. Gráficos múltiples

Consejo

Puede utilizar varios subplots con diferentes particiones.

A partir del código de abajo, intente reproducir el gráfico de la derecha.

pl.subplot(2, 2, 1)
pl.subplot(2, 2, 3)
pl.subplot(2, 2, 4)

Haga clic en la figura para la solución.

 1.4.4.10. Ejes polares

Consejo

Tiene que modificar la línea axes

A partir del código de abajo, intente reproducir el gráfico de la derecha.

pl.axes([0, 0, 1, 1])

N = 20
theta = np.arange(0., 2 * np.pi, 2 * np.pi / N)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
bars = pl.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):

bar.set_facecolor(cm.jet(r / 10.))
bar.set_alpha(0.5)

Haga clic en la figura para la solución.

 1.4.4.11. Gráficos 3D

Consejo

Debe usar contourf

A partir del código de abajo, intente reproducir el gráfico de la derecha.

from mpl_toolkits.mplot3d import Axes3D

fig = pl.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')

Haga clic en la figura para la solución.

Ver también
 Gráficos 3D con Mayavi

1.4.4.12. Texto

Consejo

Echa un vistazo a matplotlib logo.

Trate de hacer lo mismo desde el principio !

Haga clic en la figura para la solución.

1.4.5. Más allá de este tutorial

Matplotlib esta beneficiada con una extensa documentación, así como una gran
comunidad de usuarios y desarrolladores. Estos son algunos enlaces de
interés:
 1.4.5.1. Tutoriales

 Pyplot tutorial  Artist tutorial

o Introduction
o Controlling line properties
o Working with multiple figures
and axes
o Working with text
 Image tutorial
o Startup commands
o Importing image data into
Numpy arrays
o Plotting numpy arrays as
images
 Text tutorial
o Text introduction
o Basic text commands
o Text properties and layout
o Writing mathematical
expressions
o Text rendering With LaTeX
o Annotating text
o Introduction
o Customizing your objects
o Object containers
o Figure container
o Axes container
o Axis containers
o Tick containers
 Path tutorial
o Introduction
o Bézier example
o Compound paths
 Transforms tutorial
o Introduction
o Data coordinates
o Axes coordinates
o Blended transformations
o Using offset transforms to
create a shadow effect
o The transformation pipeline

1.4.5.2. Documentación Matplotlib

 User guide
 FAQ
o Installation
o Usage
o How-To
o Troubleshooting
o Environment Variables
 Screenshots

1.4.5.3. Código de documentación

El código está bien documentado y se puede acceder rápidamente a un

comando específico dentro una sesión de python:
>>>

>>> import pylab as pl

>>> help(pl.plot)
Help on function plot in module matplotlib.pyplot:

plot(*args, **kwargs)
Plot lines and/or markers to the
:class:`~matplotlib.axes.Axes`. *args* is a variable length
argument, allowing for multiple *x*, *y* pairs with an
optional format string. For example, each of the following is
legal::

plot(x, y) # plot x and y using default line style and color

plot(x, y, 'bo') # plot x and y using blue circle markers
plot(y) # plot y using x as index array 0..N-1
plot(y, 'r+') # ditto, but with red plusses

If *x* and/or *y* is 2-dimensional, then the corresponding columns

will be plotted.
...

1.4.5.4. Galerías

La galería matplotlib es muy útil cuando se busca la manera de hacer un

gráfico dado. Cada ejemplo viene con su código fuente.

Una galería más pequeña está disponible aquí.

1.4.5.5. Lista de correos

Por último, hay una lista de correo de usuarios donde se puede pedir ayuda y
una lista de correo de desarrolladores que es más técnica.

1.4.6. Referencias rápidas

Aquí hay una serie de cuadros que muestran las propiedades y estilos
principales.
1.4.6.1. Propiedades de Línea

Propiedad Descripción Apariencia

transparencia
alpha (o a) alpha en
escala 0-1

True o False -
usar
antialiased
renderizado
suavizado

matplotlib
color (or c)
color arg

ver `Line
linestyle (o ls)
properties`_

float, the line

linewidth (o lw) width in
points

Cap style for

solid_capstyle
solid lines

Join style for

solid_joinstyle
solid lines

Cap style for

dash_capstyle
dashes

Join style for

dash_joinstyle
dashes

see `Markers`
marker
_

line width
markeredgewidt around the
h (mew) marker
symbol

edge color if a
markeredgecolo
marker is
r (mec)
used

face color if a
markerfacecolor
marker is
(mfc)
used
 Propiedad Descripción Apariencia

size of the
markersize (ms) marker in
points

1.4.6.2. Estilos de línea

1.4.6.3. Marcadores

1.4.6.4. Colormaps

Todos los colormaps pueden invertirse añadiendo _r. Por ejemplo, gray_r es
el inverso de gray.

Si desea saber más acerca de colormaps, revise Documenting the matplotlib

colormaps.