• 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
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Conectar puntos en gráficas de dispersión en Matplotlib

julio 28, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En una gráfica de dispersión donde existe un patrón en los datos que se desea mostrar al lector, si solamente se usan los puntos, puede ser complicado para este identificarlo. Siendo aconsejable en estos casos unir estos mediante líneas, para lo que existen múltiples opciones en Matplotlib. Veamos a continuación algunas de los métodos para conectar los puntos en gráficas de dispersión en Matplotlib.

Creación de una gráfica de dispersión básicas

Para ver el problema lo mejor es un ejemplo, en el siguiente código se muestra una señal en 20 puntos.

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, np.pi, 20)
y = np.sin(3 * np.pi * x / 2)

plt.scatter(x, y)
plt.xlabel('Tiempo')
plt.ylabel('Amplitud')
plt.show()

Lo que produce la siguiente figura.

Gráfica de dispersión básica creada en Matplotlib
Gráfica de dispersión básica creada en Matplotlib

En la que es realmente difícil ver el patrón que existe en los datos. Algo que se puede solucionar conectando los puntos de la gráfica. Para ello se puede usar el método plot() de Matplotlib, agregando a la figura anterior unas líneas que conectan los datos. Lo que se hace en el siguiente código.

plt.scatter(x, y)
plt.plot(x, y)
plt.xlabel('Tiempo')
plt.ylabel('Amplitud')
plt.show()

Obteniendo como resultado la siguiente figura.

Gráfica de dispersión unida con líneas
Gráfica de dispersión unida con líneas

Una figura mucho más fácil de leer que la anterior, viéndose claramente que la señal tiene forma sinusoidal.

Incluir marcas en el método plot()

Para obtener la figura anterior existe una opción más sencillo, en las líneas que se crean mediante el método plot() es posible indicar cómo tercera opción una marca, el tipo de línea y el color. Siendo necesario hacer esto en una cadena exactamente en ese orden. Por ejemplo, en el siguiente ejemplo se crea una figura con marcas cuadradas, unidad por una línea discontinua de color rojo.

Publicidad


plt.plot(x, y, 's--r')
plt.xlabel('Tiempo')
plt.ylabel('Amplitud')
plt.show()

Lo que genera como resultado la siguiente figura.

Gráfica de dispersión unida con líneas discontinua y en color rojo
Gráfica de dispersión unida con líneas discontinua y en color rojo

Marcar y líneas de diferente color

Quizás el problema del método anterior es que no se puede fijar un color diferente para las marcas y las líneas que las unen. Algo que solo se puede conseguir creando una gráfica de dispersión con scatter() para las marcas y otra para las líneas con plot(). En el método scatter() el color de la marca se puede definir mediante la propiedad c, el tipo de marca con la propiedad marker y su tamaño mediante s. Así si se desean marcas triangulares de color negro y tamaño 75 con líneas verdes se puede usar el siguiente código.

plt.scatter(x, y, c='k', marker='v', s=75)
plt.plot(x, y, '--g', linewidth=2)
plt.xlabel('Tiempo')
plt.ylabel('Amplitud')
plt.show()

Obteniendo la siguiente figura.

Gráfica de dispersión con marcar triangulares negras y unidas mediante líneas discontinuas verdes
Gráfica de dispersión con marcar triangulares negras y unidas mediante líneas discontinuas verdes

Otra ventaja de este método es que además se puede cambiar el tamaño de cada una de las marcas. Algo que permite incluir otra información en las gráficas, usando el tamaño de las marcas para ello. Por ejemplo, en el siguiente código el tamaño de las marcas depende del valor absoluto de la señal.

s = [75 * (np.abs(n) + 1) for n in y]

plt.scatter(x, y, c='k', marker='v', s=s)
plt.plot(x, y, '--g', linewidth=2)
plt.xlabel('Tiempo')
plt.ylabel('Amplitud')
plt.show()

Produciendo la siguiente figura al ejecutar el código.

Gráfica de dispersión con marcar triangulares negros de diferente tamaño y unidas mediante líneas discontinuas verdes
Gráfica de dispersión con marcar triangulares negros de diferente tamaño y unidas mediante líneas discontinuas verdes

Conclusiones

En la entrada de hoy se ha visto algunas de las diferentes opciones que existen para conectar puntos en gráficas de dispersión en Matplotlib. Algo que permite crear gráficos más legibles.

Publicidad


¿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

  • Aplicación de estilos de visualización en Seaborn
    Aplicación de estilos de visualización en Seaborn
  • Generar líneas y áreas arbitrarias en Matplotlib
    Generar líneas y áreas arbitrarias en Matplotlib
  • Cambiar el tamaño de los puntos en Matplotlib
    Cambiar el tamaño de los puntos en Matplotlib
  • Visualización de distribuciones de datos con Seaborn: Histogramas, gráficos de densidad y boxplots
    Visualización de distribuciones de datos con Seaborn:…
  • Combinar histogramas en Matplotlib
    Combinar histogramas en Matplotlib
  • Gráfico de Hexbin para el conjunto de 3000 datos
    Gráficos de Hexbin: alternativa a los gráficos de dispersión…

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.

Publicidad




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
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

El método de Hare-Niemeyer y su implementación en Python

septiembre 29, 2023 Por Daniel Rodríguez

Redimensionar una partición de disco LVM con espacio no asignado en Linux

septiembre 27, 2023 Por Daniel Rodríguez

¿Cómo saber la versión de Pandas o cualquier otra librería en Python?

septiembre 25, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • Archivos Guardar y leer archivos CSV con Python publicado el junio 15, 2018 | en Python
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

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

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.3 (12)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • alberto en Resolver problema de credenciales en Bitbucket
  • Pablo en Aplicar el método D’Hondt en Excel
  • Agapito en Creación de un EXE desde un archivo Python en Windows

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 © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto