a) Introducción
Matplotlib es una biblioteca para crear gráficas, tablas y figuras. También proporciona
funciones para personalizar estas gráficas, modificando lo colores, etiquetas, etc.
Antes de utilizar matplotlib, debemos instalarlo con pip install matplotlib en la línea de
comandos (si estamos trabajando en un entorno local, y siempre creando un entorno
virtual para nuestro proyecto), y luego importarla en nuestro código:
import matplotlib.pyplot as plt
pyplot es el módulo que dibuja las gráficas.
plt es el alias habitual para importar este módulo.
Matplotlib es el complemento ideal para trabajar con Pandas.
Veamos un ejemplo (debemos recordar importar pandas):
s=pd.Series([19,43,11,33,82,67,5])
s.plot(kind=’bar’)
plt.savefig(‘plot.png’)
La función plot() crea la gráfica a partir de una serie o dataframe de pandas.
Como no lo
especificamos de otra forma, los datos se muestran en el eje y, mientras que en el eje x
se muestran los índices de los datos.
plt.savefig(‘plot.png’) graba un archivo con la imagen.
.b) Gráfica de líneas
Matplotlib soporta diferentes tipos de gráficas. La más básica es la gráfica de líneas.
Tomemos como ejemplo un dataframe extraído del archivo ‘balance_2021.csv’ y
grafiquemos las ventas del año. Podrás encontrar el archivo en el material de la
plataforma.
df = pd.read_csv('balance_2021.csv')
df['ventas'].plot()
plt.show()
Si no deseamos grabar la gráfica en un archivo, y sólo verlo, podemos usar la función
show().
También podemos graficar múltiples líneas en la misma gráfica. Probemos mostrar los
ventas y salarios al mismo tiempo:
df['ventas','salarios'].plot()
Matplotlib agrega título y color automáticamente a las líneas que representan los datos de
cada columna.
.b) Gráfica de barras
La función plot() admite argumentos en los que podemos especificar el tipo de gráfico que
queremos obtener.
Para crear una gráfico de barras, utilizamos el atributo kind con el valor ‘bar’.
Vamos a obtener una gráfica con los impuestos pagados en 2021 a partir del csv del ejemplo
anterior.
df['impuestos'].plot(kind='bar')
Podemos combinar matplotlib con las funciones de pandas. Veamos los salarios por
cuatrimestre:
(df.groupby('cuatrimestre')['salarios'].sum()).plot(kind='bar')
Primero agrupamos los salarios por cuatrimestre, y calculamos la suma en cada uno de los
períodos.
También podemos dibujar múltiples columnas. Si utilizamos la propiedad stacked,
obtendremos las barras apiladas.
df = df.groupby('cuatrimestre')[['salarios','costos','servicios']].sum()
df.plot(kind='bar', stacked=True)
Si modificamos el atributo kind a ‘barh’, obtenemos barras horizontales.
.c) Gráfica de caja y bigotes
Nos permite visualizar la distribución de los valores en una columna. Presenta un resumen
estadístico de nuestro dataframe. Específicamente nos grafica el resultado de la función
describe() de pandas.
Por ejemplo, la gráfica de los costos en nuestro dataframe de balance.
print(df['gastos_varios'].describe())
df['gastos_varios'].plot(kind='box')
count 12.000000
mean 1.703333
std 0.875093
min 0.140000
25% 1.502500
50% 1.825000
75% 2.010000
max 3.280000
Name: gastos_varios, dtype: float64
• La línea verde representa la mediana.
• La caja representa el rango intercuartil.
• Las líneas verticales que salen de la caja, abarcan los datos mínimos a máximo,
excluyendo los outliers.
• Los círculos muestran los outliers o datos anómalos.
.d) Histograma
Así como los diagramas de caja y bigotes, los histogramas también muestran la distribución
de los datos.
Visualmente son similares a los gráficos de barras, pero al representar frecuencia en un
grupo o rango de datos, no hay espacios entre las barras.
Obtengamos los datos de los gastos varios, divididos en 4 columnas. Especificamos el
atributo kind como ‘hist’ y el número de columnas con el atributo bins:
df['gastos_varios'].plot(kind='hist',bins=4 )
.e) Gráfica de área
El atributo kind=’area’ crea una gráfica de área.
df[['costos','impuestos']].plot(kind='area')
Las gráficas de área se muestran apiladas por defecto, por lo que debemos explicitar si no lo
deseamos de esa manera con el atributo stacked = False.
df[['costos','impuestos']].plot(kind='area', stacked = False)
.f) Diagrama de dispersión
El diagrama de dispersión nos muestra la relación entre dos variables.
Por ejemplo, podemos ver cómo están relacionados los impuestos con las ventas y con los
gastos varios, creando dos gráficas diferentes con kind=’scatter’ y especificando cómo
queremos ubicar los ejes:
df[['ventas','impuestos']].plot(kind='scatter', x='ventas', y='impuestos')
df[['gastos_varios','impuestos']].plot(kind='scatter', x='gastos_varios', y='impuestos')
Ambas gráficas muestran 12 puntos, 1 por cada dato (mes).
.g) Pie chart
Creamos gráficos de torta con el atributo kind = ‘pie’.
Veamos el promedio de gastos varios por cuatrimestre:
df.groupby('cuatrimestre')['gastos_varios'].mean().plot(kind='pie')
Generalmente utilizamos pie charts para mostrar porcentajes o proporcionalidad entre los
datos.
Se recomienda usarlos cuando tenemos hasta un máximo de 6 categorías.
.h) Formato
Matplotlib facilita una serie de argumentos para personalizar nuestras gráficas.
• title=cadena_de_texto le pone un título a la gráfica
• legend=True|False: especifica si deseamos mostrar el recuadro con la especificación
de colores para las líneas.
• xlabel(valor) / ylabel(valor) especifican las etiquetas para los ejes correspondientes.
• xticks(posiciones,valores) permite cambiar los valores sobre el eje x. Si el texto a
mostrar es muy ancho, podemos aplicarle una rotación con el argumento rotation=x
(en grados). Por defecto se utilizan los índices de los datos de ese eje.
Veamos un primer ejemplo con estas personalizaciones:
df[['ventas','impuestos']].plot(kind='line',legend=True, title='Ventas e
impuestos 2021')
posiciones = np.arange(0,12)
plt.xticks(posiciones, df['mes'], rotation=40)
plt.xlabel('Mes')
plt.ylabel('Importe en millones de pesos')
También podemos cambiar los colores con el atributo color. Acepta valores tipo string (el
nombre del color), un carácter (para los colores básicos), hexadecimal, hexadecimal
abreviado, RGB, RGBA, etc.
Por ejemplo, agregando color=['hotpink','turquoise'] dentro de los atributos de plot(),
obtenemos:
Todos estos atributos aplican a la mayoría de los tipos de gráficas que hemos visto.
En la siguiente tabla obtenida de la documentación de matplotlib pueden ver distintos colores
y tipos de línea:
1 Introducción
Seaborn es una biblioteca de visualización de datos de Python basada y que
complementa a matplotlib . Esto significa que es un complemento, no un reemplazo.
Proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e
informativos.
Algunas de sus características son:
• temas predefinidos
• visualización de datos de una o dos variables
• manejo de gráficos de serie temporal
• integra perfectamente estructuras de datos de NumPy y PanDas
Para poder utilizarla en un entorno local, debemos instalarla previamente con pip install
seaborn. Debemos recordar crear un entorno virtual para nuestro proyecto. Luego
podremos importarla en nuestro código:
import seaborn as sns
sns es el alias que habitualmente utilizamos al importar seaborn.
a) Métodos de matplotlib que se reutilizan en seaborn
plt.figure()
plt.title()
plt.legend()
plt.show()
b) Configuración de estilos
La librería seaborn permite personalizar el estilo del gráfico, la paleta de colores que se
utiliza, la fuente y el tamaño de los diferentes integrantes de la visualización, así como
definir un contexto en el que se va a utilizar el gráfico para adaptar el tamaño.
sns.set_style()
sns.set_palette()
sns.set_context()
2 Explorando Seaborn
Seaborn aporta diversos datasets para explorar sus funciones. Una de ellas es ‘iris’. Lo
utilizaremos para ejemplificar esta unidad:
datos = sns.load_dataset(‘iris’)
print(datos.head())
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
Podemos explorar los diversos datasets que seaborn ofrecen con la función
get_dataset_names().
print(sns.get_dataset_names())
['anagrams', 'anscombe', 'attention', 'brain_networks', 'car_crashes',
'diamonds', 'dots', 'exercise', 'flights', 'fmri', 'gammas', 'geyser', 'iris',
'mpg', 'penguins', 'planets', 'taxis', 'tips', 'titanic']
3 Matplotlib vs Seaborn
Probemos visualizar la función trigonométrica seno con ambas librerías.
# MATPLOTLIB
x = np.linspace(0, 14, 100)
for i in range(1, 5):
plt.plot(x, np.sin(x + i * .5) * (7 - i) * 1)
plt.show()
Para aplicar los temas de seaborn, basta con agregar previamente la línea:
sns.set_style('whitegrid')
# opciones:darkgrid, whitegrid, dark, white, ticks
4 Personalización
a) Estilo
Podemos pasar un diccionario de parámetros para modificar los valores por defecto de la
función set_style().
Podemos explorar estas opciones y sus valores por defecto por medio de la función
axes_styles().
print(sns.axes_style())
{
'axes.facecolor': 'white',
'axes.edgecolor': '.8',
'axes.grid': True,
'axes.axisbelow': True,
'axes.labelcolor': '.15',
'figure.facecolor': 'white',
'grid.color': '.8',
'grid.linestyle': '-',
'text.color': '.15',
'xtick.color': '.15',
'ytick.color': '.15',
'xtick.direction': 'out',
'ytick.direction': 'out',
'lines.solid_capstyle': <CapStyle.round: 'round'>,
'patch.edgecolor': 'w',
'patch.force_edgecolor': True,
'image.cmap': 'rocket',
'font.family': ['sans-serif'],
'font.sans-serif': ['Arial', 'DejaVu Sans', 'Liberation Sans', 'Bitstream
Vera Sans',
'sans-serif'], 'xtick.bottom': False,
'xtick.top': False,
'ytick.left': False,
'ytick.right': False,
'axes.spines.left': True,
'axes.spines.bottom': True,
'axes.spines.right': True,
'axes.spines.top': True
}
Entonces, para variar los colores del texto en las escalas, bastaría con agregar el
diccionario de opciones:
sns.set_style({'xtick.color':'magenta','ytick.color':'turquoise'})
b) Escala
Utilizando la función set_context() podemos utilizar cualquiera de las siguientes plantillas:
paper, notebook, talk, poster. El valor por defecto es notebook.
Comparemos la visualización anterior con el modo ‘talk’:
sns.set_context('talk')
c) Colores
Seaborn provee varias funciones para modificar los colores de nuestras gráficas. Veremos
un par de ejemplos.
Podrás encontrar más información sobre los colores y Seaborn en los enlaces externos
proporcionados en esta unidad.
La paleta de colores de seaborn consta de 10 matices diferentes, ordenados de la misma
manera que la paleta de matplotlib, de la que tiene 6 variaciones:
Imagen: https://seaborn.pydata.org/tutorial/color_palettes.html
Para aplicar cualquiera de estas variaciones a nuestras gráficas, utilizamos, por ejemplo:
sns.set_palette('dark')
También tenemos disponibles una serie de paletas de colores:
sns.set_palette('Set2')
sns.set_palette('Paired')
5 Diagrama de dispersión
Es la mejor manera de visualizar la distribución en dos variables numéricas representadas
en una gráfica de dos dimensiones (ejes x/y)
Sintaxis:
seaborn.scatterplot()
Parámetros:
• x: variable a comparar
• y: la otra variable
• data: serie, vector o lista
Ejemplo:
sns.scatterplot(x='petal_length', y='petal_width', data = datos)
6 Histogramas
Importaremos el dataset ‘iris’ de Seaborn para este capítulo.
Los histogramas representan la distribución de los datos por medio de barras que abarcar
rangos de estos datos.
Sintaxis:
seaborn.distplot()
Parámetros:
• data: serie, vector o lista
• bins: entero (cantidad de fragmentos)
• hist: booleano (muestra las barras. Default: True)
• kde: booleano (muestra las líneas. Default: True)
Ejemplos:
sns.distplot(datos['petal_length'], kde=False)
sns.distplot(datos['petal_length'], kde=True)
a) Histograma de dos variables
Se utiliza para determinar la relación entre dos variables (cómo se comporta una respecto
de la otra)
Para ello utilizamos la función joinplot(), que crea una figura en varios paneles, que
muestra la distribución de cada variable por separado, y al mismo tiempo la relación entre
ambas.
Sintaxis:
seaborn.jointplot()
Parámetros:
• x: variable a comparar
• y: la otra variables
• data: serie, vector o lista
Ejemplo:
sns.jointplot(x='petal_length', y='petal_width', data = datos)
7 Diagramas de barras
Nos ofrece una estimación de los valores de tendencia central, resumiendo la distribución
de los datos. Promedio y mediana son las técnicas más utilizadas para estimar al
tendencia central de la distribución.
a) Barplot
Muestra la relación entre una variable categórica y una variable continua. Los datos están
representados en barras rectangulares, y la longitud de la barra representa la proporción
de los datos en esa categoría.
Sintaxis:
seaborn.barplot()
Parámetros:
• x: variable categórica
• y: variable continua
• hue: segunda variable categórica para desglose (opcional)
• data: serie, vector o lista
Ejemplo:
# dataframe creado a partir de titanic.csv
sns.barplot(x='sex', y='survived', hue='class', data = datos)
Como podemos observar, se nos permite desglosar los datos por una segunda variable
categórica con el atributo ‘hue’.
b) Countplot
Es un caso especial de gráfico de barras, en que la variable numérica es la cantidad de
ejemplares observados en cada categoría
Sintaxis:
seaborn.countplot()
Parámetros:
• x: variable categórica
• data: serie, vector o lista
Ejemplo:
# dataframe creado a partir de titanic.csv sns.countplot(x='class',
data = datos)
También podemos aplicar desglose por una segunda variable categórica:
sns.countplot(x='class', hue='sex',data = datos)
8 Diagrama de cajas
También llamado diagrama de caja y bigotes (box-and-whisker), permite la visualización
de la distribución de datos a través de los cuartiles. Es una excelente forma de resumir los
datos estadísticos. Los outliers quedan señalados en el diagrama como puntos
individuales.
Sintaxis:
seaborn.boxplot()
Parámetros:
• x: variable categórica
• y: variable numérica
• data: serie, vector o lista
Ejemplo:
sns.boxplot(x='species', y='petal_width', data = datos)
Si nos resulta más cómodo visualizar la variable numérica en el eje horizontal, podemos
invertir los ejes, e indicar a seaborn que nos modifique la gráfica con el atributo “orient”:
sns.boxplot(y='species', x='petal_width', data = datos, orient='h')
Enlaces externos
Documentación oficial Matplotlib: https://matplotlib.org/
Documentación oficial Seaborn: https://seaborn.pydata.org/
Paletas de colores en Seaborn: https://seaborn.pydata.org/tutorial/color_palettes.html
