Visualización de datos con Matplotlib
Descubra cómo crear visualizaciones para comprender sus datos.
Visualización de datos con Matplotlib es una lección gratuita de Learn AI with Python en CoddyKit. Esta es la lección 2 de 5. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Learn AI with Python, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Learn AI with Python incluye 5 lecciones en total.
Introducción a Matplotlib
Introducción a Matplotlib
Matplotlib es una biblioteca popular de Python para crear visualizaciones, incluidos gráficos de líneas, gráficos de barras, gráficos de dispersión y mucho más.
En esta lección, aprenderá a usar Matplotlib para crear y personalizar distintos tipos de gráficos.

Instalar Matplotlib
Instalar Matplotlib
Para instalar Matplotlib, use el siguiente comando en su terminal:
pip install matplotlib
Una vez instalado, puede importarlo en sus scripts de Python:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Crear un gráfico de líneas sencillo
Crear un gráfico de líneas sencillo
Puede crear un gráfico de líneas básico mediante la función plot() de Matplotlib:
# Creating a simple line plot
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Personalizar gráficos
Personalizar gráficos
Matplotlib permite personalizar los gráficos con títulos, etiquetas, leyendas y distintos estilos de línea:
# Customizing a plot
plt.plot(x, y, label="Line 1", linestyle="--", color="red")
plt.legend()
plt.title("Customized Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Crear gráficos de barras
Crear gráficos de barras
Los gráficos de barras son útiles para comparar categorías. Use la función bar() para crear un gráfico de barras:
# Creating a bar chart
categories = ["A", "B", "C"]
values = [10, 15, 7]
plt.bar(categories, values, color="blue")
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.show()Crear gráficos de dispersión
Crear gráficos de dispersión
Los gráficos de dispersión son útiles para mostrar las relaciones entre dos variables. Use la función scatter():
# Creating a scatter plot
x = [5, 7, 8, 7]
y = [3, 8, 6, 4]
plt.scatter(x, y, color="green")
plt.title("Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Crear histogramas
Crear histogramas
Los histogramas muestran la distribución de un conjunto de datos. Use la función hist():
# Creating a histogram
data = [1, 1, 2, 3, 3, 3, 4, 4, 5]
plt.hist(data, bins=5, color="purple")
plt.title("Histogram")
plt.xlabel("Bins")
plt.ylabel("Frequency")
plt.show()Añadir varios gráficos
Añadir varios gráficos
Puede añadir varios gráficos a la misma figura mediante la función subplot():
# Adding multiple plots
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Plot")
plt.subplot(2, 1, 2)
plt.bar([1, 2, 3], [7, 8, 9])
plt.title("Second Plot")
plt.tight_layout()
plt.show()Errores comunes con Matplotlib
Errores comunes con Matplotlib
Estos son algunos errores que debe evitar:
- Olvidar llamar a
plt.show()para mostrar el gráfico. - Usar elementos superpuestos sin ajustar el diseño.
- No etiquetar los ejes y los gráficos con claridad.
¿Qué hemos aprendido?
¿Qué hemos aprendido?
En esta lección, ha aprendido:
- Cómo instalar e importar Matplotlib.
- Cómo crear gráficos de líneas, gráficos de barras, diagramas de dispersión e histogramas.
- Cómo personalizar gráficos con etiquetas, leyendas y varios gráficos.
¡Excelente trabajo! Pasemos al siguiente tema.

Preguntas frecuentes
¿La lección «Visualización de datos con Matplotlib» es gratis?
Sí — el texto completo de «Visualización de datos con Matplotlib» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Learn AI with Python, actualiza a CoddyKit PRO. El curso de Learn AI with Python incluye 5 lecciones en total.
¿Qué aprenderé en «Visualización de datos con Matplotlib»?
Descubra cómo crear visualizaciones para comprender sus datos. Practicas Learn AI with Python con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Learn AI with Python?
No se requiere experiencia previa. Learn AI with Python en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 5.
¿Cuánto tiempo toma la lección «Visualización de datos con Matplotlib»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Learn AI with Python?
Sí. Cada lección de Learn AI with Python incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Análisis de datos con Pandas
- Visualización de datos con Matplotlib
- NumPy para cálculos numéricos
- Manejo de API con requests
- Web scraping con BeautifulSoup