import matplotlib.pyplot as plt import numpy as np

x = np.linspace(0,5,11) # Ejecuta una serie de números de manera aleatoria y = x**2 print(x) print(y)

plt.plot(x,y) plt.show() # para que se muestre la gráfica

plt.plot(x,y,'rx') # rx significa que quiero la línea de color rojo y con marcadores x plt.show()

plt.plot(x,y,'bo') # bo significa que quiero la línea de color azul y con marcadores con forma de círculo plt.show()

plt.plot(x,y,'rs-') # - indica que quiero una continuidad entre cada marcador plt.show()

plt.plot(x,y,'yD:') plt.show()

plt.hist(x) plt.show()

plt.pie(x) plt.show()

plt.scatter(x,y) plt.show()

plt.boxplot(x) plt.show()

# Supongamos que quiero dos gráficos, uno que me muestre la relación entre x e y, y la otra que sea un histograma plt.subplot(1,2,1) # el primer parámetro es la cantidad de filas, el segundo es la cantidad de columnas, y el tercero es el index que voy a manejar entre las filas y columnas definidas previamente) plt.plot(x,y,'r--') plt.subplot(1,2,2) plt.hist(y) plt.show()

plt.subplot(1,2,1) plt.plot(x,y,'r--') # Agrego una nueva linea de color azul en el primer gráfico plt.plot(y,x,'b:') plt.subplot(1,2,2) # Cambio el histograma por un gráfico de torta plt.pie(y) plt.show()

#Realizo unos cambios para trabajar con dos filas y una columna plt.subplot(2,1,1) plt.plot(x,y,'r--') plt.plot(y,x,'b:') plt.subplot(2,1,2) plt.pie(y) plt.show()

fig = plt.figure()

axes = fig.add_axes([0.1,0.1,0.5,0.9]) # Los dos primeros parámetros hacen establecen la posición de la figura en el lienzo. # Los últimos dos parámetros hacen referencia al tamaño de la figura

axes.plot(x, y, 'b') fig.show()

fig = plt.figure() axes = fig.add_axes([0.1,0.1,0.8,0.9]) axes2 = fig.add_axes([0.2,0.55,0.4,0.3]) # Le indico que quiero un segundo gráfico. axes.plot(x, y, 'b') axes2.plot(y,x,'r') axes2.set_facecolor('#e6e6fa') fig.show()

# Defino un array utilizando numpy x = np.linspace(0,5,11) # Aplico una función seno a x y = np.sin(x)

# Voy a crear un lienzo con un gráfico adentro fig, axes = plt.subplots() axes.plot(x,y,'b')

# Realizaremos algunos pequeños cambios al gráfico fig, axes = plt.subplots(nrows = 1, ncols = 2) # axes.plot(x,y,'b')

fig, axes = plt.subplots(nrows = 1, ncols = 2) # Ahora realizo cambios en cada uno de los gráficos # De esta manera puedo definir objetos independientes y acceder a ellos mediante un índice axes[0].plot(x,y,'b') axes[1].plot(y,x,'r')

# Otra manera de hacerlo fig, (ax1, ax2) = plt.subplots(nrows = 1, ncols = 2) ax1.plot(x,y,'b') ax2.plot(y,x,'r')

# Seguimos explorando el nivel de detalle fig, axes = plt.subplots(nrows = 2, ncols = 4) #ax1.plot(x,y,'b') #ax2.plot(y,x,'r')

fig, axes = plt.subplots(nrows = 2, ncols = 4) axes[0,0].plot(x,np.cos(x)) # De esta manera indicamos que queremos el plot para el primer axe # del mismo modo podemos agregar plot en el resto de los axes axes[0,1].plot(x,np.sin(x),'y') axes[0,2].plot(x,np.tan(x),'r') axes[0,3].plot(x,np.cos(x)**2)

# Otra manera de hacerlo fig, ((ax1,ax2,ax3,ax4),(ax5,ax6,ax7,ax8)) = plt.subplots(nrows = 2, ncols = 4) ax1.plot(x,np.cos(x)) ax2.plot(x,np.sin(x),'y') ax3.plot(x,np.tan(x),'r') ax4.plot(x,np.cos(x)**2)

# Aplico tight_layout para que la visualización se vea mejor fig, ((ax1,ax2,ax3,ax4),(ax5,ax6,ax7,ax8)) = plt.subplots(nrows = 2, ncols = 4) ax1.plot(x,np.cos(x)) ax2.plot(x,np.sin(x),'y') ax3.plot(x,np.tan(x),'r') ax4.plot(x,np.cos(x)**2) fig.tight_layout()

# Ahora voy a graficar los plots en los axes de abajo fig, ((ax1,ax2,ax3,ax4),(ax5,ax6,ax7,ax8)) = plt.subplots(nrows = 2, ncols = 4) ax1.plot(x,np.cos(x)) ax2.plot(x,np.sin(x),'y') ax3.plot(x,np.tan(x),'r') ax4.plot(x,np.cos(x)**2) ax5.plot(x,np.cos(x),'bs') ax6.plot(x,np.tan(x-1/x),'g--') ax7.plot(x,np.tan(x),'r:') ax8.plot(x,np.sin(y*x)**2,'purple') fig.tight_layout()

x = np.linspace(0,5,11) y = np.sin(x)

fig, axes = plt.subplots(1,2) axes[0].plot(x,y,label = '$sin(x)$') # Agrego un label # Agrego un título axes[0].set_title('Relación X - Y') # Agrego labels en los ejes X e Y axes[0].set_xlabel('X') axes[0].set_ylabel('Y') axes[0].legend() # para agregar el label axes[1].plot(y,x) # Agrego un título axes[1].set_title('Relación Y - X') # Agrego labels en los ejes X e Y axes[1].set_xlabel('Y') axes[1].set_ylabel('X') fig.tight_layout() # Siempre al aplicar tight_layout() el grafico se vera mucho mejor

plt.plot(x,y,label='$sin(x)$') plt.title('Este es un título') plt.xlabel('x') plt.ylabel('y') plt.legend(loc='upper right')

from matplotlib import style print(plt.style.available)

plt.style.use('ggplot') # Con esta simple linea de codigo puedo cambiar el estilo de mis gráficas al que yo prefiera.

fig, ax = plt.subplots(figsize=(8,8)) ax.plot(x,x+1,'r') ax.plot(x,x+2,'b') ax.plot(x,x+3,'y') ax.plot(x,x+4,'g')

fig, ax = plt.subplots(figsize=(8,8)) ax.plot(x,x+1,'r--') ax.plot(x,x+2,'b-') ax.plot(x,x+3,'y.-') ax.plot(x,x+4,'go:')

fig, ax = plt.subplots(figsize=(8,8)) ax.plot(x,x+1, color = 'green', alpha = 0.8, linewidth = 5, linestyle = '-',marker='o', markersize = 10, markerfacecolor = '#CCFFCC') ax.plot(x,x+2, color = 'blue', linewidth = 8, linestyle = '--',marker='x') ax.plot(x,x+3, color = '#66FF66', linewidth = 3, linestyle = 'dashed',marker='v') ax.plot(x,x+4, color = '#CCFFCC', linewidth = 2, linestyle = ':',marker='p')

country = ['INDIA', 'JAPAN', 'MEXICO', 'COLOMBIA', 'GERMANY'] population = [1000,800,900,1000,300]

plt.bar(country,population, width = 0.5, color = ['purple', 'red', 'green', 'blue', 'yellow'], edgecolor = 'grey') # Para cambiar el idioma de las categorías del eje x y agrego que los nombres roten en 45grados. plt.xticks(np.arange(5),('India', 'Japón', 'Mexico', 'Colombia', 'Alemania'), rotation = 45) plt.xlabel("Países") plt.ylabel("Población") plt.title("Cantidad de habitantes por país") plt.show()

plt.barh(country,population, color = ['purple', 'red', 'green', 'blue', 'yellow'], edgecolor = 'grey') plt.show()

# Para practicar me creo un dataset random con la función random de numpy. data = np.random.randint(1,50,100) data

plt.hist(data) plt.show()

plt.hist(data, bins = 50) # Modifico los bins plt.show()

plt.hist(data, bins = 50, width = 10) # si deseo cambiar el ancho de las barras de frecuencia plt.show()

plt.hist(data, bins = 10, histtype = 'step') plt.show()

plt.style.use('classic') # Voy a cambiar el estilo para usar uno clásico plt.boxplot(data) plt.show

plt.boxplot(data, vert = False) # con esta propiedad lo hago horizontal plt.show

plt.boxplot(data, vert = False, patch_artist=True) # Con patch_artist debería pintar el IQR, pero por alguna razón que hoy desconozco, no lo hace! Si alguien sabe, avise plt.show

plt.boxplot(data, vert = False, patch_artist=True, notch = True) plt.show

plt.style.use('Solarize_Light2')

data1 = np.append(data,200) # Agrego un outlier al dataset plt.boxplot(data1, vert = False, patch_artist=True, notch = True, showfliers=True) plt.show

plt.boxplot(data1, vert = False, patch_artist=True, notch = True, showfliers=False) # para que no muestre el outlier plt.show

N = 50 x = np.random.rand(N) y = np.random.rand(N) area = (30 * np.random.rand(N)) **2 colors = np.random.rand(N)

plt.scatter(x,y) plt.show()

plt.scatter(x,y, s = area) # el tamaño de cada punto refiere a la variable area plt.show()

plt.scatter(x,y, s = area, c = colors) # agrego la variable colors al scatter plt.show()

plt.scatter(x,y, s = area, c= colors, marker = 'o', alpha = 0.5) # agrego un alpha y defino el marker plt.show()

# Quiz: fig, axes = plt.subplots(nrows=1,ncols=2,figsize=(5,5)) axes[1].set_title('Título')

import seaborn as sns

sns.barplot(x = ['A','B','C'], y = [1, 3, 2,]) plt.show()

sns.set(style='darkgrid') # cambiamos el estilo del grid sns.barplot(x = ['A','B','C'], y = [1, 3, 2,]) plt.show()

sns.set(style='darkgrid', palette = 'dark') # cambiamos paleta de colores sns.barplot(x = ['A','B','C'], y = [1, 2, 3,]) plt.show()

sns.set(style='darkgrid', palette = 'dark', font = "Verdana", font_scale = 1) sns.barplot(x = ['A','B','C'], y = [1, 2, 3,]) plt.show()

tips = sns.load_dataset('tips') # descargaremos el dataset con propinas en un restaurante. tips

sns.displot(data = tips, x = 'total_bill') plt.show()

sns.displot(data = tips, x = 'total_bill', y = 'tip') plt.show()

# Agregando el parámetro hue puedo incluir una tercer variable, categorica, al análisis. sns.displot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex') plt.show()

# hue funciona con un histograma de la misma manera sns.displot(data = tips, x = 'total_bill', hue = 'sex') plt.show()

# con la función kind podes cambiar el tipo de gráfico sns.displot(data = tips, x = 'total_bill', hue = 'sex', kind = 'kde') plt.show()

# Puedo quitar la leyenda con el parámetro legend sns.displot(data = tips, x = 'total_bill', hue = 'sex', kind = 'kde', legend = False) plt.show()

# También puedo cambiar colores con palette sns.displot(data = tips, x = 'total_bill', hue = 'sex', kind = 'kde', legend = True, palette = 'dark', alpha = .25) plt.show()

# Revisamos los primeros datos del dataset tips tips.head()

sns.histplot(data=tips, x='tip', bins=15) plt.show

# Si quiero ver el comportamiento acumulativo de mis frecuencias en el histograma sns.histplot(data=tips, x='tip', bins=15, cumulative = True) plt.show

sns.histplot(data=tips, x='tip', bins=15, cumulative = False, hue = 'sex', stat = 'percent') plt.show

sns.histplot(data=tips, x='tip', bins=15, cumulative = False, hue = 'sex', stat = 'density') plt.show

sns.histplot(data=tips, x='tip', bins=15, cumulative = False, hue = 'sex', stat = 'count', multiple = 'stack') plt.show

sns.histplot(data=tips, x='tip', bins=15, cumulative = False, hue = 'sex', stat = 'count', multiple = 'dodge') plt.show

sns.histplot(data=tips, x='tip', bins=15, cumulative = False, hue = 'sex', stat = 'count', multiple = 'fill') plt.show

sns.kdeplot(data = tips,x='tip', hue = 'sex') plt.show()

sns.kdeplot(data = tips,x='tip', hue = 'sex', cumulative = False, shade = True, bw_adjust=1) plt.show()

sns.ecdfplot(data = tips, x = 'tip', hue = 'sex', stat='count') plt.show()

sns.displot(data = tips, x = 'tip', hue = 'sex') plt.show()

# Displot selecciona automáticamente un tipo de gráfico. No obstante, puedo especificar un grafico del tipo kde sns.displot(data = tips, x = 'tip', hue = 'sex', kind = 'kde') plt.show()

sns.displot(data = tips, x = 'tip', hue = 'sex', kind = 'hist', multiple = 'stack') plt.show()

sns.scatterplot(data=tips,x='tip',y='total_bill',hue='smoker') plt.show()

tips.head()

sns.countplot(data = tips, x = 'day', hue = 'sex') plt.show()

plt.figure(figsize = (10,10)) # con esta línea de código configuro el tamaño de la figura. sns.stripplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', dodge = True) plt.show() # Con el parámetro dodge puedo ver dividida la variable categorica sex en cada uno de los días.

# para revisar la concentración de los datos es mejor usar swarmplot plt.figure(figsize = (10,10)) sns.swarmplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', dodge = True) plt.show()

sns.swarmplot(data = tips, x = 'smoker', y = 'total_bill', hue = 'sex', dodge = True) plt.show()

plt.figure(figsize = (10,10)) sns.boxplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', dodge = True) plt.show()

sns.boxplot(data = tips, y = 'total_bill') plt.show()

plt.style.use('classic') plt.figure(figsize = (10,10)) sns.boxplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', dodge = True) sns.swarmplot(data = tips, x = 'smoker', y = 'total_bill', hue = 'sex', dodge = True) plt.show()

plt.style.use('classic') sns.set_palette("pastel") plt.figure(figsize = (10,10)) sns.violinplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', dodge = True) plt.show()

plt.style.use('classic') plt.figure(figsize = (10,10)) sns.violinplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', split = True, palette='muted') plt.show()

sns.catplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', palette = 'bright', kind = 'swarm') plt.show()

sns.catplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', palette = 'bright', kind = 'swarm', col='time') plt.show()

sns.catplot(data = tips, x = 'day', y = 'total_bill', hue = 'sex', palette = 'bright', kind = 'box', col='time') plt.show()

sns.catplot(data=tips, x="day", hue="size", col="time", kind= "count", palette = 'pastel' ) plt.show()

plt.figure(figsize=(10,10)) markers = {"Lunch":"D", "Dinner":"s"} sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style ='time', palette = 'bright', size = 'size', markers = markers) # Vamos a mover la leyenda para que no estorbe al gráfico plt.legend(loc = 'center', bbox_to_anchor = (1.12, 0.6)) plt.show()

sns.lineplot(data = tips, x = 'total_bill', y = 'tip') plt.show

sns.lineplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style ='time', palette = 'bright', size = 'size', markers = markers) plt.legend(loc = 'center', bbox_to_anchor = (1.12, 0.6)) plt.show()

sns.relplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style ='time', palette = 'bright', size = 'size', markers = markers, kind = 'lineplot') plt.show()

sns.relplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style ='time', palette = 'bright', size = 'size', markers = markers) plt.show()

sns.relplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style = 'time', palette = 'bright', size = 'size', markers = markers, kind = 'line') plt.show()

sns.relplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', style ='time', palette = 'bright', size = 'size', markers = markers, col = 'time') plt.show()

sns.pairplot(data=tips,hue='day') plt.show()

sns.pairplot(data = tips, hue = 'sex', palette = 'bright') plt.show()

sns.jointplot(data = tips, x = 'total_bill', y = 'tip') plt.show()

sns.jointplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex') plt.show()

plt.style.use('ggplot') sns.jointplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', kind = 'hist') plt.show()

sns.jointplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', kind = 'kde') plt.show()

# Agrego el comando marginal_ticks y marginal_kws sns.jointplot(data = tips, x = 'total_bill', y = 'tip', hue = 'sex', kind = 'hist', marginal_ticks=True, marginal_kws = dict(bins=25,fill=False, multiple='dodge')) plt.show()

sns.pairplot(data = tips) plt.show()

# puedo agregar el comando hue sns.pairplot(data = tips, hue = 'sex') plt.show()

# puedo agregar el comando palette sns.pairplot(data = tips, hue = 'sex', palette = 'bright') plt.show()

# puedo agregar el comando corner para no tener información duplicada sns.pairplot(data = tips, hue = 'sex', palette = 'bright', corner = True) plt.show()

tips.corr()

# Grafico de heatmap usando seaborn sns.heatmap(tips.corr()) plt.show()

# Utilizando el comando annot puedo ver el valor de correlación entre variables dentro de cada cuadro sns.heatmap(tips.corr(), annot = True) plt.show()

# También puedo cambiarle el mapa de colores con el comando coolwarm sns.heatmap(tips.corr(), annot = True, cmap = 'coolwarm') plt.show()

# Con otro color sns.heatmap(tips.corr(), annot = True, cmap = 'YlGnBu') plt.show()

# Con otro color sns.heatmap(tips.corr(), annot = True, cmap = 'Blues') plt.show()

# Con otro color sns.heatmap(tips.corr(), annot = True, cmap = 'BuPu') plt.show()

# Con otro color sns.heatmap(tips.corr(), annot = True, cmap = 'Greens') plt.show()

# Luego para separar los cuadros y que el gráfico se vea más legible utilizaremos linewidths = 5 sns.heatmap(tips.corr(), annot = True, cmap = 'Greens', linewidths = 5) plt.show()