• 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
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • 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
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Generar líneas y áreas arbitrarias en Matplotlib

agosto 9, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Al crear una gráfica con Matplotlib puede surgir la necesidad de dibujar líneas o áreas arbitrarias para realizar anotaciones. Aunque no es una herramienta de dibujo, esta no es una tarea complicada. Veamos en este tutorial los pasos para poder incluir líneas y áreas arbitrarias en Matplotlib.

Creación de una línea

Una opción para dibujar líneas en las figuras de Matplotlib es plot(). Para ello, solamente habrá que pasarle como parámetros las coordenadas iniciales y finales de la recta que se desea dibujar, uniendo ambas mediante una línea sólida. Siendo el primer parámetro una lista con las posiciones en el eje x y el segundo otra lista con las posiciones en eje y. Esto es, la forma básica cómo se deben llamar a esta función es la siguiente

plot([x1, x2], [y1, y2]).

Así, si se desea dibujar una recta entre el punto (1, 5) y (2, 6) solamente se debería escribir un código como el siguiente.

import matplotlib.pyplot as plt 

plt.plot([1, 2], [5, 6], color='green')
plt.show()

Lo que produce como resultado la siguiente figura, donde se puede apreciar una línea verde entre los puntos indicados.

Línea dibujada con Matplotlib
Línea dibujada con Matplotlib

Publicidad


Combinación de varias líneas

En el caso de que se desee dibujar más de una línea solamente se debe llamar a la función plot() tantas veces como sea necesario. Así, al igual que el resto de objetos, estos se dibujarán cuando se llame a la función show(). Por ejemplo, si se desea crear un triángulo que una las coordenadas (1, 5), (2, 6) y (3, 3) solamente se debe ejecutar el siguiente pedazo de código.

Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
En Analytics Lane
Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)

plt.plot([1, 2], [5, 6], color='green')
plt.plot([2, 3], [6, 3], color='blue')
plt.plot([3, 1], [3, 5], color='red')
plt.show()

Con lo que se obtiene la siguiente figura.

Tres líneas formando un triángulo creado con Matplotlib
Tres líneas formando un triángulo creado con Matplotlib

Nótese que en este caso se ha usado un color diferente para cada una de las líneas, pero sí solamente se desea una un color esta figura se puede crear en una única llamada a la función plot().

plt.plot([1, 2, 3, 1], [5, 6, 3, 5], color='red')
plt.show()

Obteniendo ahora como resultado la siguiente gráfica.

Triángulo creado con Matplotlib
Triángulo creado con Matplotlib

Creación de un área entre las líneas

Finalmente, si se desea rellenar el área dentro de la figura se puede recurrir a la función fill_between(), la cual tiene la siguiente forma básica

fill_between(x, y1, y2=0, …)

Los únicos parámetros de la función obligatorios son los dos primeros. Mediante el primer parámetro, x, se deben indicar las coordenadas del eje x, mientras que con el segundo se indican las coordenadas de la curva en el eje y. El tercer parámetro, y2, es opcional, permite indicar las coordenadas de una segunda curva con la que se cierra el área. En el caso de que se omita el área se cerrará en el eje de abscisas.

Por ejemplo, para dibujar el triángulo de la gráfica anterior se deben tomar los puntos de eje x donde comienzan y finalizan las líneas, esto es (1, 2, 3). Ahora y1 serían los valores de que toma la curva en estos puntos es (5, 6, 3). Con lo que se puede ejecutar el siguiente código

plt.plot([1, 2, 3, 1], [5, 6, 3, 5], color='red')
plt.fill_between([1, 2, 3], [5, 6, 3], color='gray')
plt.show()

Para obtener la siguiente figura

Área debajo de un triángulo dibujado con Matplotlib
Área debajo de un triángulo dibujado con Matplotlib

Al no haber indicado los valores de y2 el área llega hasta el eje x, pero esto no es lo que se desea para esta figura. Hay que conocer los valores de la segunda curva para las posiciones (1, 2, 3). Los más fáciles son el primero y el último, siendo los mismos que en la curva superior, 5 y 3 respectivamente. El punto medio será el punto intermedio entre 5 y 3, esto es, 4. Así el con el siguiente código se crea un área dentro del triángulo.

plt.plot([1, 2, 3, 1], [5, 6, 3, 5], color='red')
plt.fill_between([1, 2, 3], [5, 6, 3], [5, 4, 3], color='gray')
plt.show()

Lo que produce la siguiente figura

Área de un triángulo dibujado con Matplotlib
Área de un triángulo dibujado con Matplotlib

Publicidad


Creación de áreas más complejas

Las áreas que se dibujar con la función fill_between() no tienen por qué ser solamente rectas, las áreas pueden ser tan complejas como las que se crean con la función plot(). Así, se puede dibujar un área en base a un seno con el siguiente empleo

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, np.pi, 100)
y = np.sin(np.pi * x / 2)

plt.plot(x, y, color='red')
plt.fill_between(x, y, color='gray')
plt.show()

Obteniendo como resultado la siguiente figura.

Área de una función seno dibujada con Matplotlib
Área de una función seno dibujada con Matplotlib

Conclusiones

En esta ocasión se ha visto cómo dibujar líneas y áreas arbitrarias en Matplotlib. Unos métodos que pueden ser de gran utilidad para incluir anotaciones en las gráficas.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

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?

Publicidad


Publicaciones relacionadas

  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato
  • ¿Media, mediana o moda en variables ordinales? Guía práctica para el análisis de datos
  • Cómo ejecutar JavaScript desde Python: Guía práctica con js2py
  • Cómo generar contraseñas seguras con Python (y entender su nivel de seguridad)

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

Curiosidad: ¿Por qué los datos “raros” son tan valiosos?

noviembre 6, 2025 Por Daniel Rodríguez

Cómo generar contraseñas seguras con Python (y entender su nivel de seguridad)

noviembre 4, 2025 Por Daniel Rodríguez

Cómo ejecutar JavaScript desde Python: Guía práctica con js2py

octubre 30, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Curiosidad: ¿Por qué los datos “raros” son tan valiosos? publicado el noviembre 6, 2025 | en Ciencia de datos, Opinión
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Comparar archivos en Visual Studio Code publicado el enero 10, 2024 | en Herramientas
  • Diferencia entre R2 y R2 ajustado en modelos de regresión publicado el marzo 8, 2024 | en Ciencia de datos
  • Redondear la hora en Python para agrupar datos publicado el octubre 26, 2020 | 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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • 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
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto