Día 5: Gráficos Avanzados (Boxplots, Heatmaps y Gráficos 3D)

Día 5: Gráficos Avanzados (Boxplots, Heatmaps y Gráficos 3D)

Bienvenida

¡Hola de nuevo! 🌟 Hoy exploraremos gráficos avanzados como boxplots , heatmaps y gráficos 3D . Estos tipos de visualizaciones son útiles para analizar distribuciones, correlaciones y relaciones multidimensionales en tus datos. ¡Comencemos!

Grafico de caja (Boxplot)

Un boxplot muestra la distribución de una variable numérica. Puedes crear un boxplot utilizando la función plt.boxplot() en Matplotlib. Aqui tienes un ejemplo:

import matplotlib.pyplot as plt

# Datos
datos = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]

# Crear el boxplot
plt.boxplot(datos)

# Personalización
plt.title('Boxplot')
plt.xlabel('Variable')
plt.ylabel('Valores')
plt.show()

Resultado de ejecución: boxplot

Grafico de calor (Heatmap)

Un heatmap muestra la correlación entre dos variables numéricas.

import matplotlib.pyplot as plt

# Datos
matriz = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# Crear el heatmap
plt.imshow(matriz, cmap='hot', interpolation='nearest')

# Personalización
plt.title('Heatmap')
plt.xlabel('Variable 1')
plt.ylabel('Variable 2')
plt.colorbar()
plt.show()

Resultado de ejecución: heatmap

Nota: Podemos personalizar el heatmap con la función plt.imshow() para agregar una leyenda modificando el parámetro cmap y interpolation.

Gráficos 3D

En Matplotlib, puedes crear gráficos 3D utilizando la biblioteca mpl_toolkits.mplot3d. Aqui tienes un ejemplo:

from mpl_toolkits.mplot3d import Axes3D

# Datos
x = [1, 2, 3, 4]
y = [2, 4, 6, 8]
z = [3, 6, 9, 12]

# Crear la figura
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')

# Gráfico 3D
ax.scatter(x, y, z, color='blue')
ax.set_title('Gráfico 3D')
ax.set_xlabel('Eje X')
ax.set_ylabel('Eje Y')
ax.set_zlabel('Eje Z')
plt.show()

Resultado de ejecución: grafico 3d

Nota: La biblioteca mpl_toolkits.mplot3d proporciona herramientas para crear gráficos 3D avanzados. Puedes explorar muchos ejemplos y opciones para personalizar tus gráficos 3D.

Preguntas del Día 1

Prueba tus conocimientos sobre Pandas

¿Qué tipo de gráfico es ideal para mostrar la distribución de datos y sus estadísticas clave?

Ejercicios con Pandas

  • Crea un boxplot para visualizar la distribución de un conjunto de datos.
  • Crea un heatmap para mostrar una matriz de correlaciones.

¡Felicidades por completar este curso intensivo de Matplotlib! 🎊 Ahora tienes las herramientas necesarias para crear visualizaciones claras, profesionales y avanzadas en Python. Estas habilidades son fundamentales para proyectos de análisis de datos y machine learning. ¡Sigue practicando y explorando nuevas técnicas para fortalecer tus conocimientos! Gracias por acompañarme en este viaje. ¡Nos vemos en futuros proyectos! 😊