📚 Matplotlib - Visualización de Datos

Matplotlib es la librería más utilizada para crear gráficos y visualizaciones en Python. Es altamente personalizable y sirve como base para otras librerías de visualización.

---

1. Instalación e Importación

# Instalación
# pip install matplotlib

# Importación (convención estándar)
import matplotlib.pyplot as plt
import numpy as np

---

2. Gráfico Básico

import matplotlib.pyplot as plt

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

# Crear gráfico
plt.plot(x, y)

# Mostrar
plt.show()

Con Títulos y Etiquetas

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

Guardar Figura

plt.plot(x, y)
plt.title("Gráfico")
plt.savefig("grafico.png", dpi=300, bbox_inches="tight")
plt.savefig("grafico.pdf")  # También PDF, SVG, etc.
plt.show()

---

3. Tipos de Gráficos

Gráfico de Líneas

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label="sin(x)")
plt.plot(x, y2, label="cos(x)")
plt.title("Funciones Trigonométricas")
plt.xlabel("x")
plt.ylabel("y")
plt.legend()
plt.grid(True)
plt.show()

Personalizar Líneas

x = np.arange(0, 10, 1)
y = x ** 2

# Estilos de línea
plt.plot(x, y, color="red", linewidth=2, linestyle="--", marker="o")

# Formato corto: 'color-marcador-línea'
plt.plot(x, y, "b-o")   # Azul, línea sólida, círculos
plt.plot(x, y, "r--s")  # Rojo, línea discontinua, cuadrados
plt.plot(x, y, "g:^")   # Verde, línea punteada, triángulos

plt.show()

Colores: b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)

Marcadores: o(círculo), s(cuadrado), ^(triángulo), *(estrella), +, x, .

Líneas: -(sólida), --(discontinua), :(punteada), -.(punto-raya)

Gráfico de Dispersión (Scatter)

np.random.seed(42)
x = np.random.randn(100)
y = np.random.randn(100)
colores = np.random.rand(100)
tamaños = np.random.rand(100) * 500

plt.scatter(x, y, c=colores, s=tamaños, alpha=0.6, cmap="viridis")
plt.colorbar(label="Valor")
plt.title("Gráfico de Dispersión")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()

Gráfico de Barras

categorias = ["A", "B", "C", "D", "E"]
valores = [23, 45, 56, 78, 32]

# Barras verticales
plt.bar(categorias, valores, color="steelblue", edgecolor="black")
plt.title("Gráfico de Barras")
plt.xlabel("Categoría")
plt.ylabel("Valor")
plt.show()

# Barras horizontales
plt.barh(categorias, valores, color="coral")
plt.title("Barras Horizontales")
plt.show()

Barras Agrupadas

categorias = ["Q1", "Q2", "Q3", "Q4"]
producto_a = [20, 35, 30, 35]
producto_b = [25, 32, 34, 20]

x = np.arange(len(categorias))
ancho = 0.35

plt.bar(x - ancho/2, producto_a, ancho, label="Producto A", color="steelblue")
plt.bar(x + ancho/2, producto_b, ancho, label="Producto B", color="coral")

plt.xlabel("Trimestre")
plt.ylabel("Ventas")
plt.title("Ventas por Producto")
plt.xticks(x, categorias)
plt.legend()
plt.show()

Barras Apiladas

categorias = ["A", "B", "C", "D"]
valores1 = [20, 35, 30, 25]
valores2 = [25, 32, 34, 20]

plt.bar(categorias, valores1, label="Serie 1")
plt.bar(categorias, valores2, bottom=valores1, label="Serie 2")
plt.legend()
plt.title("Barras Apiladas")
plt.show()

Histograma

datos = np.random.randn(1000)

plt.hist(datos, bins=30, color="steelblue", edgecolor="black", alpha=0.7)
plt.title("Histograma")
plt.xlabel("Valor")
plt.ylabel("Frecuencia")
plt.show()

# Múltiples histogramas
datos1 = np.random.randn(1000)
datos2 = np.random.randn(1000) + 2

plt.hist(datos1, bins=30, alpha=0.5, label="Grupo 1")
plt.hist(datos2, bins=30, alpha=0.5, label="Grupo 2")
plt.legend()
plt.show()

Gráfico de Pastel (Pie)

etiquetas = ["Python", "JavaScript", "Java", "C++", "Otros"]
tamaños = [35, 25, 20, 10, 10]
colores = ["#ff9999", "#66b3ff", "#99ff99", "#ffcc99", "#c2c2f0"]
explode = (0.1, 0, 0, 0, 0)  # Destacar Python

plt.pie(tamaños, explode=explode, labels=etiquetas, colors=colores,
        autopct="%1.1f%%", shadow=True, startangle=90)
plt.title("Lenguajes de Programación")
plt.axis("equal")  # Círculo perfecto
plt.show()

Diagrama de Caja (Box Plot)

datos = [np.random.randn(100) + i for i in range(4)]

plt.boxplot(datos, labels=["A", "B", "C", "D"])
plt.title("Diagrama de Caja")
plt.ylabel("Valor")
plt.show()

# Personalizado
plt.boxplot(datos, notch=True, patch_artist=True,
            boxprops=dict(facecolor="lightblue"))
plt.show()

Gráfico de Violín

datos = [np.random.randn(100) * (i+1) for i in range(4)]

plt.violinplot(datos, showmeans=True, showmedians=True)
plt.xticks([1, 2, 3, 4], ["A", "B", "C", "D"])
plt.title("Gráfico de Violín")
plt.show()

Mapa de Calor (Heatmap)

datos = np.random.rand(10, 10)

plt.imshow(datos, cmap="hot", aspect="auto")
plt.colorbar(label="Valor")
plt.title("Mapa de Calor")
plt.show()

# Con anotaciones
fig, ax = plt.subplots()
im = ax.imshow(datos[:5, :5], cmap="YlOrRd")
for i in range(5):
    for j in range(5):
        ax.text(j, i, f"{datos[i, j]:.2f}", ha="center", va="center")
plt.colorbar(im)
plt.show()

Gráfico de Área

x = np.arange(10)
y1 = np.random.randint(1, 10, 10)
y2 = np.random.randint(1, 10, 10)
y3 = np.random.randint(1, 10, 10)

plt.stackplot(x, y1, y2, y3, labels=["A", "B", "C"], alpha=0.7)
plt.legend(loc="upper left")
plt.title("Gráfico de Área Apilada")
plt.show()

---

4. Subplots (Múltiples Gráficos)

Básico

fig, axes = plt.subplots(2, 2, figsize=(10, 8))

# Gráfico 1 (arriba izquierda)
axes[0, 0].plot([1, 2, 3], [1, 4, 9])
axes[0, 0].set_title("Gráfico 1")

# Gráfico 2 (arriba derecha)
axes[0, 1].bar(["A", "B", "C"], [3, 7, 5])
axes[0, 1].set_title("Gráfico 2")

# Gráfico 3 (abajo izquierda)
axes[1, 0].scatter(np.random.rand(50), np.random.rand(50))
axes[1, 0].set_title("Gráfico 3")

# Gráfico 4 (abajo derecha)
axes[1, 1].hist(np.random.randn(100), bins=20)
axes[1, 1].set_title("Gráfico 4")

plt.tight_layout()  # Ajusta espaciado
plt.show()

Una Fila o Columna

# Una fila
fig, axes = plt.subplots(1, 3, figsize=(12, 4))
axes[0].plot([1, 2, 3])
axes[1].bar(["A", "B"], [1, 2])
axes[2].scatter([1, 2], [1, 2])
plt.tight_layout()
plt.show()

# Una columna
fig, axes = plt.subplots(3, 1, figsize=(6, 10))

Subplots con Tamaños Diferentes

fig = plt.figure(figsize=(12, 6))

# Gráfico grande a la izquierda
ax1 = fig.add_subplot(1, 2, 1)
ax1.plot(np.sin(np.linspace(0, 10, 100)))
ax1.set_title("Gráfico Principal")

# Dos gráficos pequeños a la derecha
ax2 = fig.add_subplot(2, 2, 2)
ax2.bar(["A", "B", "C"], [1, 2, 3])
ax2.set_title("Gráfico 2")

ax3 = fig.add_subplot(2, 2, 4)
ax3.scatter(np.random.rand(20), np.random.rand(20))
ax3.set_title("Gráfico 3")

plt.tight_layout()
plt.show()

---

5. Personalización Avanzada

Configurar Figura

# Tamaño y resolución
fig, ax = plt.subplots(figsize=(10, 6), dpi=100)

# Fondo
fig.patch.set_facecolor("lightgray")
ax.set_facecolor("white")

Ejes y Ticks

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots()
ax.plot(x, y)

# Límites de ejes
ax.set_xlim(0, 10)
ax.set_ylim(-1.5, 1.5)

# Ticks personalizados
ax.set_xticks([0, np.pi, 2*np.pi, 3*np.pi])
ax.set_xticklabels(["0", "π", "2π", "3π"])

# Rotar etiquetas
plt.xticks(rotation=45)

# Grid
ax.grid(True, linestyle="--", alpha=0.7)
ax.grid(True, which="minor", linestyle=":", alpha=0.5)
ax.minorticks_on()

plt.show()

Leyenda

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x), label="sin(x)")
plt.plot(x, np.cos(x), label="cos(x)")

# Ubicación
plt.legend(loc="upper right")
# Opciones: 'best', 'upper left', 'lower right', 'center', etc.

# Fuera del gráfico
plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")

# Personalizada
plt.legend(title="Funciones", fontsize=10, framealpha=0.8,
           facecolor="white", edgecolor="black")

plt.show()

Anotaciones

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots()
ax.plot(x, y)

# Texto simple
ax.text(5, 0.5, "Texto aquí", fontsize=12, color="red")

# Anotación con flecha
ax.annotate("Máximo", xy=(np.pi/2, 1), xytext=(3, 1.2),
            arrowprops=dict(arrowstyle="->", color="black"),
            fontsize=10)

# Línea vertical/horizontal
ax.axhline(y=0, color="gray", linestyle="--", alpha=0.5)
ax.axvline(x=np.pi, color="red", linestyle=":", alpha=0.7)

# Región sombreada
ax.axvspan(2, 4, alpha=0.2, color="yellow")
ax.axhspan(-0.5, 0.5, alpha=0.1, color="green")

plt.show()

Estilos Predefinidos

# Ver estilos disponibles
print(plt.style.available)

# Usar estilo
plt.style.use("seaborn-v0_8")  # o 'ggplot', 'dark_background', etc.

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.title("Con estilo Seaborn")
plt.show()

# Contexto temporal
with plt.style.context("dark_background"):
    plt.plot(x, np.sin(x))
    plt.show()

Colormaps

# Ver colormaps disponibles
# Sequential: 'viridis', 'plasma', 'magma', 'cividis', 'Blues', 'Reds'
# Diverging: 'coolwarm', 'RdYlBu', 'seismic'
# Categorical: 'Set1', 'Set2', 'Pastel1'

datos = np.random.rand(10, 10)

fig, axes = plt.subplots(2, 2, figsize=(10, 8))

cmaps = ["viridis", "plasma", "coolwarm", "RdYlBu"]
for ax, cmap in zip(axes.flat, cmaps):
    im = ax.imshow(datos, cmap=cmap)
    ax.set_title(cmap)
    plt.colorbar(im, ax=ax)

plt.tight_layout()
plt.show()

---

6. Gráficos 3D

from mpl_toolkits.mplot3d import Axes3D

# Superficie 3D
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection="3d")

x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

ax.plot_surface(X, Y, Z, cmap="viridis", alpha=0.8)
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
ax.set_title("Superficie 3D")
plt.show()

# Scatter 3D
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")

x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
c = np.random.rand(100)

ax.scatter(x, y, z, c=c, cmap="plasma", s=50)
plt.show()

# Línea 3D
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")

t = np.linspace(0, 10*np.pi, 1000)
x = np.sin(t)
y = np.cos(t)
z = t

ax.plot(x, y, z)
ax.set_title("Hélice 3D")
plt.show()

---

7. Interfaz Orientada a Objetos vs pyplot

Estilo pyplot (rápido)

plt.plot([1, 2, 3], [1, 4, 9])
plt.title("Título")
plt.xlabel("X")
plt.show()

Estilo OO (más control)

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])
ax.set_title("Título")
ax.set_xlabel("X")
plt.show()

Recomendación: Usar OO para gráficos complejos y múltiples subplots.

---

8. Ejemplo Completo: Dashboard

import matplotlib.pyplot as plt
import numpy as np

# Datos
np.random.seed(42)
meses = ["Ene", "Feb", "Mar", "Abr", "May", "Jun"]
ventas = [120, 135, 145, 160, 180, 175]
gastos = [80, 85, 90, 95, 100, 105]
beneficio = np.array(ventas) - np.array(gastos)
productos = ["A", "B", "C", "D"]
ventas_prod = [35, 25, 22, 18]

# Crear figura
fig = plt.figure(figsize=(14, 10))
fig.suptitle("Dashboard de Ventas 2024", fontsize=16, fontweight="bold")

# 1. Gráfico de líneas - Evolución
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(meses, ventas, "b-o", label="Ventas", linewidth=2)
ax1.plot(meses, gastos, "r--s", label="Gastos", linewidth=2)
ax1.fill_between(meses, ventas, gastos, alpha=0.2, color="green")
ax1.set_title("Evolución Ventas vs Gastos")
ax1.set_ylabel("Miles €")
ax1.legend()
ax1.grid(True, alpha=0.3)

# 2. Gráfico de barras - Beneficio
ax2 = fig.add_subplot(2, 2, 2)
colores = ["green" if b > 0 else "red" for b in beneficio]
ax2.bar(meses, beneficio, color=colores, edgecolor="black")
ax2.axhline(y=0, color="black", linewidth=0.5)
ax2.set_title("Beneficio Mensual")
ax2.set_ylabel("Miles €")
for i, v in enumerate(beneficio):
    ax2.text(i, v + 1, f"{v}", ha="center", fontsize=9)

# 3. Gráfico de pastel - Productos
ax3 = fig.add_subplot(2, 2, 3)
explode = (0.05, 0, 0, 0)
ax3.pie(ventas_prod, labels=productos, autopct="%1.1f%%",
        explode=explode, colors=plt.cm.Pastel1.colors[:4],
        shadow=True, startangle=90)
ax3.set_title("Distribución por Producto")

# 4. Histograma - Distribución de transacciones
ax4 = fig.add_subplot(2, 2, 4)
transacciones = np.random.exponential(50, 500)
ax4.hist(transacciones, bins=30, color="steelblue", edgecolor="black", alpha=0.7)
ax4.axvline(np.mean(transacciones), color="red", linestyle="--",
            label=f"Media: {np.mean(transacciones):.1f}€")
ax4.set_title("Distribución de Transacciones")
ax4.set_xlabel("Valor (€)")
ax4.set_ylabel("Frecuencia")
ax4.legend()

plt.tight_layout()
plt.savefig("dashboard.png", dpi=150, bbox_inches="tight")
plt.show()

---

9. Animaciones (Introducción)

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x + i/10))
    return line,

ani = animation.FuncAnimation(fig, animate, frames=100, interval=50, blit=True)
plt.show()

# Guardar como gif (requiere pillow)
# ani.save("animacion.gif", writer="pillow", fps=30)

---

10. Resumen de Funciones

Función	Descripción
plt.plot()	Gráfico de líneas
plt.scatter()	Dispersión
plt.bar(), plt.barh()	Barras
plt.hist()	Histograma
plt.pie()	Pastel
plt.boxplot()	Diagrama de caja
plt.imshow()	Mapa de calor
plt.subplots()	Múltiples gráficos
plt.title(), plt.xlabel()	Títulos
plt.legend()	Leyenda
plt.savefig()	Guardar
plt.show()	Mostrar

---

📅 Fecha de creación: Enero 2026
✍️ Autor: Fran García