Scribd
Cargar
32 vistas2 páginas

Modulo14 Visualizacion Matplotlib Seaborn

El documento describe la visualización de datos utilizando las bibliotecas `matplotlib` y `seaborn` en Python, destacando su importancia para explorar e interpretar información. Se presentan comandos básicos para crear diferentes tipos de gráficos, como gráficos de líneas, barras, histogramas y mapas de calor. Además, se incluyen ejemplos funcionales que ilustran cómo implementar estas visualizaciones con un conjunto de datos simple.

Cargado por

petete1420
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
32 vistas2 páginas

Modulo14 Visualizacion Matplotlib Seaborn

El documento describe la visualización de datos utilizando las bibliotecas `matplotlib` y `seaborn` en Python, destacando su importancia para explorar e interpretar información. Se presentan comandos básicos para crear diferentes tipos de gráficos, como gráficos de líneas, barras, histogramas y mapas de calor. Además, se incluyen ejemplos funcionales que ilustran cómo implementar estas visualizaciones con un conjunto de datos simple.

Cargado por

petete1420
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

14.

Visualización con Matplotlib y Seaborn


La visualización de datos permite explorar, interpretar y comunicar información de forma efectiva.
`matplotlib` es la biblioteca base de gráficos en Python, mientras que `seaborn` ofrece una capa de
abstracción más intuitiva y estética para análisis estadístico visual.

Sintaxis / Comando Descripción


`import [Link] as plt` Importa la librería base de gráficos.
`[Link](x, y)` Gráfico de líneas simple.
`[Link](x, y)` Gráfico de barras.
`[Link](datos)` Histograma.
`[Link](x, y)` Diagrama de dispersión.
`import seaborn as sns` Importa seaborn.
`[Link](x, y)` Gráfico de cajas.
`[Link](df)` Mapa de calor.
`[Link](df)` Relaciones entre pares de variables numéricas.

Ejemplos funcionales:

# Importar bibliotecas

import [Link] as plt

import seaborn as sns

import pandas as pd

# Crear datos

df = [Link]({

'Nombre': ['Ana', 'Luis', 'Pedro'],

'Edad': [23, 30, 27],

'Salario': [5000, 6000, 5500]

})

# Gráfico de barras con matplotlib

[Link](df['Nombre'], df['Salario'])

[Link]('Salario por Persona')

[Link]('Nombre')

[Link]('Salario')
[Link]()

# Boxplot con seaborn

[Link](data=df[['Edad', 'Salario']])

[Link]('Distribución de Edad y Salario')

[Link]()

# Mapa de calor de correlación

correlacion = [Link](numeric_only=True)

[Link](correlacion, annot=True, cmap='coolwarm')

[Link]('Correlación de Variables')

[Link]()

También podría gustarte