Gráficos de líneas y de dispersión

Los gráficos de líneas conectan puntos de datos consecutivos mediante una línea y son ideales para visualizar tendencias a lo largo del tiempo o funciones continuas. Los gráficos de dispersión muestran puntos individuales sin conectarlos mediante líneas, por lo que son perfectos para explorar relaciones entre dos variables numéricas. Ambos se crean en un objeto Axes de Matplotlib: ax.plot() para las líneas y ax.scatter() para los puntos de dispersión.

ax.plot(x, y) dibuja una línea que conecta los puntos de datos en orden. Pase los valores de x como primer argumento y los de y como segundo. Ambos pueden ser listas de Python, arrays de NumPy o Series de Pandas. Cuando se pasa un solo argumento, Matplotlib utiliza automáticamente el índice (0, 1, 2, ...) como eje x. El método devuelve una lista de objetos Artist Line2D.

Los argumentos con nombre más habituales de ax.plot() son: color (nombre, hexadecimal o tupla RGB), linewidth (o lw), linestyle (o ls): '-' continuo, '--' discontinuo, ':' de puntos, '-.' de guion y punto, marker (forma en cada punto de datos) y markersize. Combine linestyle y marker para mostrar simultáneamente la línea y los puntos de datos individuales.

Llame a ax.plot() varias veces para superponer varias líneas en los mismos Axes. Matplotlib cambia automáticamente entre los colores de una paleta predeterminada. Pase siempre el argumento con nombre label para cada línea, de modo que ax.legend() pueda etiquetarlas automáticamente. Coloque la llamada a la leyenda después de todas las llamadas de trazado para asegurarse de que incluya todas las líneas.

Los DataFrames de Pandas tienen un método .plot() que crea gráficos de Matplotlib directamente. Pase ax=ax para dibujar en un objeto Axes existente. df.plot(ax=ax) traza todas las columnas como líneas independientes utilizando el índice del DataFrame como eje x. Después, puede seguir aplicando todas las personalizaciones de Matplotlib en el objeto ax.

ax.scatter(x, y) dibuja puntos individuales sin conectarlos mediante líneas. A diferencia de ax.plot(), scatter no presupone que los datos estén ordenados. Parámetros principales: c (color; puede ser un array para asignar colores por punto), s (tamaño del punto; también puede ser un array), cmap (mapa de colores cuando c es numérico) y alpha (transparencia de 0 a 1 para gestionar el solapamiento de puntos).

Pase un array numérico al parámetro c y un mapa de colores cmap para colorear los puntos de dispersión según una tercera variable. Añada una barra de colores con plt.colorbar(scatter_obj) para proporcionar una escala. Esta técnica se denomina variante de gráfico de burbujas cuando el parámetro s (tamaño) también varía según una cuarta variable.

Un gráfico de dispersión con una línea de tendencia ajustada muestra tanto los puntos de datos individuales como el patrón general. Use np.polyfit(x, y, 1) para calcular un ajuste lineal, evalúelo con np.poly1d(coeffs)(x_range) y superponga el resultado con ax.plot() sobre el gráfico de dispersión. La línea de tendencia debe ser más fina y tener un estilo diferente para distinguirla de los puntos de datos.

ax.fill_between(x, y_lower, y_upper) rellena el área entre dos curvas. Se utiliza habitualmente para mostrar intervalos de confianza alrededor de una línea media, bandas de desviación estándar o envolventes de mínimos y máximos. Pase alpha para hacer que el sombreado sea semitransparente y los datos subyacentes sigan siendo visibles.

Controle el rango visible con ax.set_xlim(min, max) y ax.set_ylim(min, max). Active las líneas de cuadrícula con ax.grid(True). Personalice la cuadrícula con los argumentos con nombre linestyle, linewidth y alpha. Una cuadrícula sutil con alpha=0.3 facilita la lectura de valores exactos sin saturar el gráfico. Llame a ax.set_axisbelow(True) para dibujar la cuadrícula detrás de los puntos de datos.

Cuando muchos puntos de datos se superponen en la misma zona de un gráfico de dispersión, los puntos individuales dejan de ser visibles; esto se denomina solapamiento de puntos. La solución más sencilla consiste en reducir la opacidad con alpha (0.0 = totalmente transparente, 1.0 = totalmente opaco). Establezca alpha=0.3 o un valor inferior para que las zonas densas aparezcan más oscuras (porque se acumulan varios puntos semitransparentes), mientras que las zonas dispersas permanecen claras. Para conjuntos de datos muy grandes (millones de puntos), considere usar hexbin o estimaciones de densidad por kernel.

En esta lección ha aprendido que ax.plot() crea gráficos de líneas con control total del color, el estilo de línea y los marcadores; ax.scatter() crea gráficos de dispersión con color y tamaño por punto mediante c y s; ax.fill_between() añade bandas de confianza; y ax.grid() añade líneas de cuadrícula para facilitar la lectura. A continuación, crearemos gráficos de barras e histogramas para visualizar datos categóricos y distribuciones.