Gráficas en Python. Miguel Cárdenas Montes

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Gráficas en Python. Miguel Cárdenas Montes"

Rubén Castellanos Iglesias
hace 9 años
Vistas:

1 Gráficas en Python Gráficas estadística y minería de datos con python Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain [email protected] de Abril de 2013 M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

2 Tabla de Contenidos 1 Objectivos 2 Introducción 3 Una Gráfica Básica 4 Histograma 5 Boxplot 6 Múltiples gráficas 7 Aumentando la Complejidad M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

3 Objectivos Realización de gráficas y análisis simples. Aspectos Técnicos scipy matplotlib numpy M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

4 Introducción M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

5 Lo que los científicos necesitan Manipular y procesar datos. Visualizar resultados para entender qué se está haciendo. Comunicar resultados: producir gráficas para publicaciones, informes, presentaciones, etc. M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

6 Ladrillos En Python existe una colección de herramientas que cubre la mayor parte de las necesidades científicas. Los tiempos de desarrollos disminuyen considerablemente. Gran capacidad de reutilización y compartición de código existente. M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

7 Gráfica básica I Grafica básica relacionando valores en coordenadas y abcisas. 25 import numpy as np import pylab as pl # Make an array of x values x = [1, 2, 3, 4, 5] # Make an array of y values for each x value y = [1, 4, 9, 16, 25] # use pylab to plot x and y pl.plot(x, y) # show the plot on the screen pl.show() M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

8 Gráfica básica II: Puntos en vez de ĺınea. 25 import numpy as np import pylab as pl # Make an array of x values x = [1, 2, 3, 4, 5] # Make an array of y values for each x value y = [1, 4, 9, 16, 25] # use pylab to plot x and y as red circles pl.plot(x, y, ro ) # show the plot on the screen pl.show() M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

9 Gráfica básica III: Colores Indicador Color b blue - azul g green - verde r reed - rojo c cyan - m magenta - y yellow - amarillo k black - negro w white - blanco M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

10 Gráfica básica IV: Estilo de la ĺınea pl.plot(x, y, o ) Indicador Estilo - solid line style dashed line style -. dash-dot line style : dotted line style. point marker s square marker p pentagon marker * star marker M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

11 Gráfica básica V: Enriqueciendo la gráfica import numpy as np import pylab as pl # Make an array of x values x = [1, 2, 3, 4, 5] # Make an array of y values for each x value y = [1, 4, 9, 16, 25] # use pylab to plot x and y pl.plot(x, y) # give plot a title pl.title( Plot of y vs. x ) # make axis labels pl.xlabel( x axis ) pl.ylabel( y axis ) # set axis limits pl.xlim(0.0, 7.0) pl.ylim(0.0, 30.) # show the plot on the screen pl.show() y axis Plot of y vs. x x axis M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

12 Gráfica básica VI: Más de un dibujo por gráfica import numpy as np import pylab as pl # Make x, y arrays for each graph x1 = [1, 2, 3, 4, 5] y1 = [1, 4, 9, 16, 25] x2 = [1, 2, 4, 6, 8] y2 = [2, 4, 8, 12, 16] # use pylab to plot x and y pl.plot(x1, y1, r ) pl.plot(x2, y2, g ) # give plot a title pl.title( Plot of y vs. x ) # make axis labels pl.xlabel( x axis ) pl.ylabel( y axis ) # set axis limits pl.xlim(0.0, 9.0) pl.ylim(0.0, 30.) # show the plot on the screen pl.show() y axis Plot of y vs. x x axis M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

13 Gráfica básica VII: Leyenda import numpy as np import pylab as pl # Make x, y arrays for each graph x1 = [1, 2, 3, 4, 5] y1 = [1, 4, 9, 16, 25] 30 x2 = [1, 2, 4, 6, 8] y2 = [2, 4, 8, 12, 16] 25 # use pylab to plot x and y : Give your plots names plot1 = pl.plot(x1, y1, r ) 20 plot2 = pl.plot(x2, y2, go ) # give plot a title 15 pl.title( Plot of y vs. x ) # make axis labels 10 pl.xlabel( x axis ) pl.ylabel( y axis ) 5 # set axis limits pl.xlim(0.0, 9.0) 0 pl.ylim(0.0, 30.) # make legend pl.legend([plot1, plot2], ( red line, green circles ), best, numpoints=1) # show the plot on the screen pl.show() y axis Plot of y vs. x x axis red line green circles M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

14 Gráfica básica VIII: Leyenda pl.legend((plot1, plot2), (label1, label2), best, numpoints=1) El primer parámetro es la lista de dibujos. El segundo es la lista de etiquetas. El tercero es la posicion de las etiquetas: upper right, upper left, center, lower left, lower right, best M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

15 Histograma I: uno simple import numpy as np import pylab as pl # make an array of random numbers with #a gaussian distribution with # mean = 5.0 # rms = 3.0 # number of points = 1000 data = np.random.normal(5.0, 3.0, 1000) # make a histogram of the data array pl.hist(data) # make plot labels pl.xlabel( data ) pl.show() data M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

16 Histograma II: variar el tamaño del bin import numpy as np import pylab as pl # make an array of random numbers with #a gaussian distribution with # mean = 5.0 # rms = 3.0 # number of points = 1000 data = np.random.normal(5.0, 3.0, 1000) # make a histogram of the data array pl.hist(data) bins = np.arange(-5., 16., 1.) pl.hist(data, bins, histtype= stepfilled ) # make plot labels pl.xlabel( data ) pl.show() data M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

17 Histograma II: semitransparente pl.hist(data) pl.hist(data, alpha=0.3) pl.hist(data, bins, histtype= stepfilled ) pl.hist(data, bins, histtype= stepfilled, alpha=0.3) M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

18 Histograma III: Añadir textos import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # the histogram of the data n, bins, patches = plt.hist(x, 50, normed=1, \ facecolor= g, alpha=0.75) plt.xlabel( Smarts ) plt.ylabel( Probability ) plt.title( Histogram of IQ ) plt.text(60,.025, r $\mu=100,\ \sigma=15$ ) plt.axis([40, 160, 0, 0.03]) plt.grid(true) plt.show() Smarts Probability =100, = Histogram of IQ M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

19 Boxplot I M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

20 Boxplot II import numpy as np from pylab import * #gaussian distributions dataset_1 = np.random.normal(5.0, 3.0, 1000) dataset_2 = np.random.normal(5.0, 5.0, 1000) dataset_3 = np.random.normal(4.0, 1.0, 1000) datos=[dataset_1, dataset_2, dataset_3] xticks( arange(3), ( Dataset 1, Dataset 2, \ Dataset 3 ) ) boxplot(datos) show() Dataset 1 Dataset 2 Dataset M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

21 Múltiples gráficas I import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t) * np.cos(2*np.pi*t) t1 = np.arange(0.0, 5.0, 0.1) t2 = np.arange(0.0, 5.0, 0.02) plt.figure(1) plt.subplot(211) plt.plot(t1, f(t1), bo, t2, f(t2), k ) plt.subplot(212) plt.plot(t2, np.cos(2*np.pi*t2), r-- ) plt.show() M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

22 Aumentando la Complejidad I import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import NullFormatter # the random data x = np.random.randn(1000) y = np.random.randn(1000) nullfmt = NullFormatter() # no labels # definitions for the axes left, width = 0.1, 0.65 bottom, height = 0.1, 0.65 bottom_h = left_h = left+width+0.02 rect_scatter = [left, bottom, width, height] rect_histx = [left, bottom_h, width, 0.2] rect_histy = [left_h, bottom, 0.2, height] M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

23 Aumentando la Complejidad II # start with a rectangular Figure plt.figure(1, figsize=(8,8)) axscatter = plt.axes(rect_scatter) axhistx = plt.axes(rect_histx) axhisty = plt.axes(rect_histy) # no labels axhistx.xaxis.set_major_formatter(nullfmt) axhisty.yaxis.set_major_formatter(nullfmt) # the scatter plot: axscatter.scatter(x, y) # now determine nice limits by hand: binwidth = 0.25 xymax = np.max( [np.max(np.fabs(x)), np.max(np.fabs(y))] ) lim = ( int(xymax/binwidth) + 1) * binwidth axscatter.set_xlim( (-lim, lim) ) axscatter.set_ylim( (-lim, lim) ) bins = np.arange(-lim, lim + binwidth, binwidth) axhistx.hist(x, bins=bins) axhisty.hist(y, bins=bins, orientation= horizontal ) axhistx.set_xlim( axscatter.get_xlim() ) axhisty.set_ylim( axscatter.get_ylim() ) plt.show() M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

24 Gracias Gracias Preguntas? Más preguntas? M. Cárdenas (CIEMAT) Gráficas de Abril de / 24

Documentos relacionados

Matplotlib y otros graficadores

Introducción a la Computación Matplotlib y otros graficadores Maximiliano Geier Facultad de Ciencias Exactas y Naturales, UBA 5/06/2014 Maximiliano Geier (UBA) Clase 20: Matplotlib y otros graficadores