2. Cálculo científico
El científico necesita:
-Obtener datos
-Manipularlos y procesarlos
-Visualizar los resultados (y
entenderlos!!!)
3. Cálculo científico, ¿Por
qué python?
Python ya tiene muchos ladrillos para construir la
casa (no hay que reinventar)
Es algo fácil de aprender
Se necesita código eficiente que ejecute rápido
Con un solo lenguaje se puede hacer prácticamente
todo FLOSS!!!!! (*)
(*) Free/Libre and Open Source Software
6. Matplotlib
Lo podemos configurar con nuestras
preferencias
En linux se puede configurar el usuario, el
sistema En Win se puede configurar el sistema
Se puede configurar la sesión
>> rcParams
Se puede configurar el script
7. Matplotlib
El principal submódulo para dibujar es pyplot
import matplotlib.pyplot as plt
# Con pyplot podemos hacer prácticamente todo de
forma sencilla
8. Matplotli
bEl principal submódulo para dibujar es pyplot
Colores:
Se pueden escribir letras que indican colores, nombres de colores,
código hexadecimal se puede usar la keyword color
plt.plot(x,y, color = ‘blue’)
plt.plot(x,y, ‘b’)
plt.plot(x,y, ‘blue’)
plt.plot(x,y, ‘#FF00FF’)
plt.plot(x,y, color=‘#FF00FF’)
9. Matplotli
bEl principal submódulo para dibujar es pyplot
Marcadores:
Por supuesto, las líneas y marcadores se pueden controlar más finamente
con keywords:
Plt.plot(x,color=‘b’,linestyle=‘dashdot’,linewidth=4,
marker=‘o’, markerfacecolor=‘red’,
markeredgecolor=‘black’, markeredgewidth=4,
markersize=12)
10. Matplotli
bEl principal submódulo para dibujar es pyplot
Marcadores:
Aligual que con los colores, hay muchas formas de definir los
marcadores.
11. Matplotli
bEl principal submódulo para dibujar es
pyplot
Etiquetas para los ejes:
Se controlan mediante xticks e yticks.
plt.plot(range(5))
plt.xticks(range(5),(‘x1’, ’x2’, ’x3’, ’x4’, ’x5’))
13. Matplotli
bTipos de gráficos:
Histogramas
y =
np.random.randn(1000)
plt.hist(y, 25)
Circulares (quesitos)
aficion = [3000,3000,100]
etiquetas =
[‘Madrid’,’Barcelona’,’Getafe’]
plt.pie(aficion, labels = etiquetas)
Scatter (x vs y)
x = arange(1000)
y =
np.random.randn(1000)
plt.scatter(x,y)
14. Matplotli
bSubplots (varios gráficos en el mismo
‘tapiz’):
Subplot(nºfilas,nºcolumnas,orden)
plt.subplot(211)
plt.plot(arange(10)
plt.subplot(212)
plt.scatter(arange(0,10,-
1)
16. Ejemplos de comando
matplotlib
1. Importar Matplotlib
import matplotlib.pyplot as plt
Este comando importa la biblioteca matplotlib.pyplot
con el alias plt. Es el primer paso para poder usar las
funciones de graficación en Python.
17. 2. Gráfico de Líneas
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.title("Gráfico de
Líneas") plt.xlabel("Eje X")
plt.ylabel("Eje Y")
plt.show()
Este tipo de gráfico se usa para mostrar la evolución
de un valor en el tiempo o su comportamiento. Es
ideal para datos continuos como temperatura, ventas
mensuales, etc.
18. 3. Gráfico de Dispersión
(Scatter Plot)
x = [5, 7, 8, 7, 2, 17]
y = [99, 86, 87, 88, 100, 86]
plt.scatter(x, y)
plt.title("Gráfico de
Dispersión") plt.show()
Sirve para mostrar la relación entre dos
variables numéricas. Es útil para detectar
patrones o correlaciones, como entre edad y
altura.
19. 4. Gráfico de Barras
x = ['A', 'B', 'C']
y = [3, 7, 1]
plt.bar(x, y)
plt.title("Gráfico de
Barras") plt.show()
El gráfico de barras compara cantidades entre
diferentes categorías. Es muy útil para mostrar
encuestas, resultados de ventas por producto, etc.
20. 5. Gráfico de Pastel (Pie
Chart)
labels = ['Python', 'Java', 'C++',
'Ruby'] sizes = [40, 35, 15, 10]
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title("Distribución de Lenguajes de
Programación") plt.show()
Muestra proporciones de un total. Ideal para
representar cómo se divide un conjunto (por ejemplo,
porcentajes de uso de distintos lenguajes).
21. 6. Estilo del gráfico
plt.style.use('ggplot’)
Este comando cambia el estilo visual del gráfico.
ggplot le da un diseño más moderno y profesional.
Hay otros estilos como seaborn, classic, etc.
7. Guardar
gráficopythonCopiarEditar
plt.savefig("grafico.png")
Guarda el gráfico como una imagen PNG. Es útil
para insertar gráficos en documentos,
presentaciones o informes.
23. CIENCIA DE DATOS
- Análisis de ventas por mes
- Comparación de productos más
vendidos
- Evolución de usuarios en redes sociales
24. INGENIERIA
-Curvas de temperatura en procesos
térmicos
-Esfuerzos en materiales (tensió-
deformación)
-Análisis de señales en sistemas mecánicos
25. EDUCACIÓN Y SALUD
-PROMEDIO DE CALIFICACIONES POR
MATERIA
- TASA ASISTENCIAL MENSUAL
-EVOLUCIÓN DE CASOS CLÍNICOS O DE
EPIDEMIAS
26. Investigación científica
-Resultados de experimentos
(pH, velocidad, peso, etc.)
- Comparación entre grupos de
estudio
-Representación de estadísticas
y probabilidades
28. Documentación oficial de
Matplotlib
Enlace: https://matplotlib.org/stable/contents.html
Descripción:Es la fuente más completa y actualizada
sobre la biblioteca. Incluye ejemplos, tutoriales, una
guía de uso detallada, y documentación de cada
función y parámetro.
Cita en formato APA:
Hunter, J. D., et al. (2024). Matplotlib
documentation. Matplotlib Development Team.
https://matplotlib.org/stable/contents.html
29. W3Schools – Tutorial de
Matplotlib
Enlace: https://www.w3schools.com/python/matplotlib_intro.as p
Descripción:
Es una guía paso a paso para principiantes. Contiene ejemplos
claros y ejecutables desde el navegador.
Muy útil para estudiantes que inician en la
programación.
Cita en formato APA:
W3Schools. (2024). Python Matplotlib Tutorial. https://
www.w3schools.com/python/matplotlib_intro.as p
30. GeeksforGeeks –
Introducción a Matplotlib
Enlace: https://www.geeksforgeeks.org/python-matplotlib- tutorial/
Descripción:
Explica desde lo más básico hasta técnicas más avanzadas. Incluye ejemplos
aplicados, ideales para estudiantes de ingeniería que quieran ver casos
prácticos.
Cita en formato APA:
GeeksforGeeks. (2024). Python Matplotlib Tutorial. https://
www.geeksforgeeks.org/python-matplotlib-tutorial/
31. Real Python –
Visualización con
Matplotlib
Enlace: https://realpython.com/python-matplotlib-guide/
Descripción:
Es una guía bien redactada y profunda, escrita por expertos en
Python. Aborda no solo cómo usar matplotlib, sino también cómo
combinarla con NumPy y Pandas.
Cita en formato APA:
Real Python. (2023). Python Plotting With Matplotlib.
https://realpython.com/python-matplotlib-guide/
32. Libro académico
recomendado (opcional)
Título: Python Data Science Handbook Autor:
Jake VanderPlas
Capítulo útil: Capítulo 4 – Visualization with Matplotlib Enlace de
lectura gratuita:
https://jakevdp.github.io/PythonDataScienceHandbook/ Cita en
APA:
VanderPlas, J. (2016). Python Data Science Handbook. O’Reilly
Media. https://jakevdp.github.io/PythonDataScienceHandbook/
![Matplotli
bTipos de gráficos:
Histogramas
y =
np.random.randn(1000)
plt.hist(y, 25)
Circulares (quesitos)
aficion = [3000,3000,100]
etiquetas =
[‘Madrid’,’Barcelona’,’Getafe’]
plt.pie(aficion, labels = etiquetas)
Scatter (x vs y)
x = arange(1000)
y =
np.random.randn(1000)
plt.scatter(x,y)](https://image.slidesharecdn.com/matplotlib-equipo2-250513154814-20640a57/85/Matplotlib-equipo2-expo-programacion-y-algoritmo-ppt-pptx-13-320.jpg)
![2. Gráfico de Líneas
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.title("Gráfico de
Líneas") plt.xlabel("Eje X")
plt.ylabel("Eje Y")
plt.show()
Este tipo de gráfico se usa para mostrar la evolución
de un valor en el tiempo o su comportamiento. Es
ideal para datos continuos como temperatura, ventas
mensuales, etc.](https://image.slidesharecdn.com/matplotlib-equipo2-250513154814-20640a57/85/Matplotlib-equipo2-expo-programacion-y-algoritmo-ppt-pptx-17-320.jpg)
![3. Gráfico de Dispersión
(Scatter Plot)
x = [5, 7, 8, 7, 2, 17]
y = [99, 86, 87, 88, 100, 86]
plt.scatter(x, y)
plt.title("Gráfico de
Dispersión") plt.show()
Sirve para mostrar la relación entre dos
variables numéricas. Es útil para detectar
patrones o correlaciones, como entre edad y
altura.](https://image.slidesharecdn.com/matplotlib-equipo2-250513154814-20640a57/85/Matplotlib-equipo2-expo-programacion-y-algoritmo-ppt-pptx-18-320.jpg)
![4. Gráfico de Barras
x = ['A', 'B', 'C']
y = [3, 7, 1]
plt.bar(x, y)
plt.title("Gráfico de
Barras") plt.show()
El gráfico de barras compara cantidades entre
diferentes categorías. Es muy útil para mostrar
encuestas, resultados de ventas por producto, etc.](https://image.slidesharecdn.com/matplotlib-equipo2-250513154814-20640a57/85/Matplotlib-equipo2-expo-programacion-y-algoritmo-ppt-pptx-19-320.jpg)
![5. Gráfico de Pastel (Pie
Chart)
labels = ['Python', 'Java', 'C++',
'Ruby'] sizes = [40, 35, 15, 10]
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title("Distribución de Lenguajes de
Programación") plt.show()
Muestra proporciones de un total. Ideal para
representar cómo se divide un conjunto (por ejemplo,
porcentajes de uso de distintos lenguajes).](https://image.slidesharecdn.com/matplotlib-equipo2-250513154814-20640a57/85/Matplotlib-equipo2-expo-programacion-y-algoritmo-ppt-pptx-20-320.jpg)
