• 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)
    • Negocios
      • CLV
      • Scoring
    • 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

Invertir los ejes en Matplotlib

agosto 16, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En las gráficas es habitual que los valores representados en el eje de abscisas crezcan al desplazarse en este de izquierda a derecha. Mientras que los valores mostrados en el eje de ordenadas crecen al moverse de abajo a arriba. Aunque esta es la convención que se sigue habitualmente a la hora de crear figuras, en ciertas ocasiones puede ser mejor no adoptarla. Para conseguir esto es necesario saber cómo invertir los ejes en Matplotlib cuando se está creando una gráfica con esta librería.

Métodos para invertir los ejes en Matplotlib

Los objetos eje de las figuras de Matplotlib cuentan con una serie de métodos con los que es posible modificar el sentido en el que aumentan los valores de un eje. Un método para invertir los valores del eje x (invert_xaxis()) y otro para el y (invert_yaxis()).

El uso de estos métodos es bastante sencillo, de hecho, no tienen parámetros. Simplemente se deben seleccionar los ejes de la figura y llamar al método que actúa sobre el eje deseado. Lo que invertirá el sentido en el que se muestran los valores y, por lo tanto, la forma de la gráfica.

Ejemplo de uso de los métodos para invertir los ejes

La forma más fácil de comprender los efectos producidos por estos métodos en una figura es mediante un ejemplo. En el siguiente código se dibuja una función seno en cuatro subgráficas, con la peculiaridad de que en un caso los ejes son los originales, en un caso se ha cambiado el orden del eje ordenadas, en otro caso el orden del eje de abscisas y en el último ambos ejes.

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

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 1, 100)
y = np.sin(np.pi * x / 2)

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(12, 12))

ax1.plot(x, y)
ax1.set_title('Normal')

ax2.plot(x, y)
ax2.set_title('Invertido Eje X')
ax2.invert_xaxis()

ax3.plot(x, y)
ax3.set_title('Invertido Eje Y')
ax3.invert_yaxis()

ax4.plot(x, y)
ax4.set_title('Invertido Ambos Ejes')
ax4.invert_xaxis()
ax4.invert_yaxis()

plt.show()

Al ejecutar este código se obtiene una figura como la que se muestra a continuación.

Figuras en las que se ha la dirección de crecimiento en algunos ejes.
Figuras en las que se ha la dirección de crecimiento en algunos ejes. La figura situada arriba a la izquierda es la configuración que se usa habitualmente. En la figura situada arriba a la derecha se ha invertido los valores del eje x. Para la figura situada abajo a la izquierda se ha invertido en eje y. Finalmente en la situada abajo a la derecha se han invertido ambos ejes.

Lo primero que se ha hecho en el código es importar las librerías necesarias y crear el conjunto de datos para la figura. Posteriormente se ha creado una figura con cuatro subgráficas ordenadas en una matriz. En la primera gráfica, situada arriba a la izquierda y cuyos ejes se encuentran en la variable ax1, se representa la función seno de forma normal. Al crear la segunda gráfica, situada arriba a la derecha, se representan los mismos datos pero invirtiendo el eje x. Usando para ello el método invert_xaxis(). Lo que produce el efecto deseado, una figura igual a la primera invertida como si fuese un espejo. En los valores del eje x se puede ver como estos van desde 1 hasta cero, al contrario de lo habitual.

La segunda fila es igual que la primera, pero en ambos casos se ha invertido los valores del eje. Empleando para ello el método invert_yaxis(). Al igual que antes ambas figuras son una versión reflejada de las de arriba.

Publicidad


Conclusiones

En la publicación de hoy se ha visto cómo dos métodos sencillos, invert_yaxis() y invert_yaxis(), permiten invertir los ejes en las figuras de Matplotlib. Posiblemente no sean unos métodos que se usen de forma habitual, ya que el orden por defecto es la convención empleada normalmente, pero pueden ser útiles en ciertos casos para comparar tendencias. Aunque es recomendable avisar a los usuarios para evitar que estos se puedan confundir con 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

De la Regresión Logística al Scorecard: La Transformación Matemática

mayo 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de correlación en Seaborn: Mapas de calor y gráficos de pares publicado el julio 27, 2023 | en Python
  • Números calientes en Bonoloto: mismos resultados que el azar publicado el octubre 9, 2020 | en Opinión
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • 7 extensiones de Visual Studio Code para ciencia de datos publicado el enero 27, 2023 | en Herramientas

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • 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

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