Visualización de datos con Matplotlib
Descubra cómo crear visualizaciones para comprender sus datos
Visualización de datos con Matplotlib es una lección gratuita de Python Academy 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 Python Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Python Academy incluye 5 lecciones en total.
Introducción a Matplotlib
Introducción a Matplotlib
Matplotlib es una popular biblioteca de Python para crear visualizaciones, incluidos gráficos de líneas, gráficos de barras, diagramas de dispersión y mucho más.
En esta lección, aprenderá a utilizar Matplotlib para crear y personalizar diversos tipos de gráficos.

Instalación de Matplotlib
Instalación de Matplotlib
Para instalar Matplotlib, utilice el siguiente comando en su terminal:
pip install matplotlib
Una vez instalada, puede importarla en sus scripts de Python:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Creación de un gráfico de líneas sencillo
Creación de 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()Personalización de gráficos
Personalización de 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()Creación de gráficos de barras
Creación de gráficos de barras
Los gráficos de barras son útiles para comparar categorías. Utilice 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()Creación de diagramas de dispersión
Creación de diagramas de dispersión
Los diagramas de dispersión son útiles para mostrar la relación entre dos variables. Utilice 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()Creación de histogramas
Creación de histogramas
Los histogramas muestran la distribución de un conjunto de datos. Utilice 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()Adición de varios gráficos
Adición de 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. - Utilizar elementos superpuestos sin ajustar el diseño.
- No etiquetar los ejes y los gráficos para facilitar su comprensión.
¿Qué hemos aprendido?
¿Qué hemos aprendido?
En esta lección, aprendió:
- 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.
¡Buen 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 Python Academy, actualiza a CoddyKit PRO. El curso de Python Academy incluye 5 lecciones en total.
¿Qué aprenderé en «Visualización de datos con Matplotlib»?
Descubra cómo crear visualizaciones para comprender sus datos Practicas Python Academy 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 Python Academy?
No se requiere experiencia previa. Python Academy 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 Python Academy?
Sí. Cada lección de Python Academy 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
- Gestión de API con requests
- Web scraping con BeautifulSoup