• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Inclusión de texto en Matplotlib

julio 19, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En las figuras de Matplotlib es posible incluir texto en cualquier posición. Una característica que puede ser de gran utilidad cuando es necesario incluir comentarios relacionados con algunos valores. La función para crear anotaciones de texto en Matplotlib es plt.text() y su uso es tremendamente sencillo.

La función plt.text()

En Matplotlib, la forma de la función plt.text() es la siguiente:

plt.text(x, y, s, **kwargs)

Una función que tiene tres parámetros obligatorios:

  • x: posición en el eje x de donde se situará el texto,
  • y: posición en el eje y de donde se situará el texto,
  • s: cadena de texto que se desea incluir en la figura.

Además de estos también se pueden pasar otros parámetros como el tamaño de la fuente a usar o el color entre otros.

Por defecto, las coordenadas x e y indican donde comienza a escribirse la cadena de texto indicada, por lo que este debe ser el punto donde se hace la anotación.

Ejemplo de uso de plt.text()

Uno de los usos más básicos de plt.text() sería para crear una figura en la que se agrega un texto en el centro. Algo que se puede hacer con el siguiente código.

import matplotlib.pyplot as plt

plt.text(0.25, 0.55, 'Texto en Matplotlib',
         fontsize=18,
         color='blue')
plt.show()

Lo que genera como resultado la siguiente figura.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

Ejemplo de texto en una figura de Matplotlib
Ejemplo de texto en una figura de Matplotlib

En este caso se ha situado el texto en las coordenadas (0,25, 0,55) e indicado el uso de una fuente de 18 puntos en azul. Algo necesario para que se pueda ver mejor el mensaje dentro de la figura. Nótese que, como se ha indicado con antelación, el texto comienza en las coordenadas indicadas y ocupa todo el espacio necesario, siendo esto algo que se tendrá que tener en cuenta cuando se desee incluir cadenas largas.

Publicidad


Inclusión del texto en una caja

Los textos también se pueden escribir dentro de una caja. Algo que se puede conseguir pasándole un diccionario con las características de la caja a la propiedad bbox. Por ejemplo, mediante el siguiente ejemplo se puede crear una caja con el color de fondo en rojo, con un espaciado de 10 pixeles y canal alpha de 0,025.

plt.text(0.25, 0.55, 'Texto en Matplotlib',
         fontsize=18,
         color='blue',
         bbox={'facecolor':'red', 'pad':10, 'alpha':0.25})
plt.show()

Lo que genera como resultado la siguiente figura.

Texto en una caja dentro de un gráfico de Matplotlib
Texto en una caja dentro de un gráfico de Matplotlib

Asignar las anotaciones a un valor

A la hora de crear las anotaciones se puede emplear las funciones con las que se crean las figuras para asignar una anotación a un punto en concreto. Por ejemplo, en el siguiente trozo de código se insertan una anotación en 0,3 y otra en 1,4 a la altura donde se produce el valor.

import numpy as np

x = np.linspace(0, np.pi, 100)
y = np.cos(np.pi * x)
plt.plot(x, y)
plt.text(0.3, np.cos(np.pi * 0.3), 'cos(0.3 pi)', fontsize=18, color='green')
plt.text(1.4, np.cos(np.pi * 1.4), 'cos(1.4 pi)', fontsize=18, color='green')
plt.show()

Obteniendo como resultado la siguiente figura.

Anotaciones de texto en una figura de Matplotlib
Anotaciones de texto en una figura de Matplotlib

Uso de LaTeX en las anotaciones

Además de esto, tal como se ha explicado en una entrada anterior, también se puede usar LaTeX para mejorar el formato de las anotaciones. Algo que solamente requiere cambiar un parámetro.

plt.rcParams['text.usetex'] = True

x = np.linspace(0, np.pi, 100)
y = np.cos(np.pi * x)
plt.plot(x, y)
plt.text(0.3, np.cos(np.pi * 0.3), r'$\cos(0.3 \pi)$', fontsize=18, color='green')
plt.text(1.4, np.cos(np.pi * 1.4), r'$\cos(1.4 \pi)$', fontsize=18, color='red')
plt.show()

Así el resultado del ejemplo queda de la siguiente manera.

Anotaciones con LaTeX en una figura de Matplotlib
Anotaciones con LaTeX en una figura de Matplotlib

Publicidad


Conclusiones

Hoy se ha visto cómo se puede usar plt.text() para agregar anotaciones de texto en Matplotlib. Siendo posible de esta manera incluir comentarios cuando éstos puedan ser necesarios para comprender mejor el contenido de las figuras.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Python Etiquetado como: Matplotlib

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

mayo 7, 2026 Por Daniel Rodríguez

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Aprendizaje Semisupervisado publicado el noviembre 8, 2024 | en Ciencia de datos
  • WOE e IV: La Base Matemática del Credit Scoring publicado el mayo 5, 2026 | en Ciencia de datos
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • pandas Pandas: Cambiar los tipos de datos en los DataFrames publicado el julio 15, 2021 | en Python
  • Calculadora básica implementada con PySimpleGUI Creación básicas de GUI en Python con PySimpleGUI publicado el mayo 9, 2022 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto