• 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

Combinar diferentes tipos de gráficos en Seaborn

septiembre 5, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Seaborn es una biblioteca para la visualización de datos en Python que cuenta con una gran variedad de tipos de gráficos predefinidos. Ofreciendo de esta forma una manera rápida y sencilla para crear representaciones de los datos. Algo que se potencia aún más con la capacidad que tiene para combinar diferentes tipos de gráficos en una sola figura, lo que permite crear gráficas que pueden ofrecer una comprensión más completa de los datos. En esta entrada, se verá cómo combinar diferentes tipos de gráficos en Seaborn para crear visualizaciones más informativas y atractivas.

Cargar datos de ejemplo

Como es habitual, lo primero que se debe hacer antes de poder crear gráficos con Seaborn es importar las bibliotecas y un conjunto de datos. Para hacer más fácil la repetición de los ejemplos se va a utilizar el conjunto de datos iris que distribuye con Seaborn. Así para importar la libertad y cargar los datos en memoria se puede ejecutar el siguiente código.

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar los datos de ejemplo de Seaborn
iris = sns.load_dataset("iris")

Combinar gráficos de dispersión y de línea en Seaborn

La forma más eficaz para combinar diferentes tipos de gráficos en Seaborn es crear una figura con sus ejes mediante la función subplots() de Matplotlib. Tras esto se pueden usar las diferentes funciones de Seaborn para crear representaciones de datos e indicar que se dibujen todas en el mismo eje. Así se dibujarán unas encima de otras. Por ejemplo, en el conjunto de datos iris, se puede representar el ancho frente a la longitud del sépalo mediante un gráfico de dispersión o de línea. Aunque también se pueden combinar ambos en la misma figura para dar más fuerza a la representación. Lo que se hace en el siguiente ejemplo.

# Crear una figura y ejes para los gráficos
fig, axes = plt.subplots()

# Gráfico: Scatterplot y línea
sns.scatterplot(x=iris['sepal_length'], y=iris['sepal_width'], ax=axes)
sns.lineplot(x=iris['sepal_length'], y=iris['sepal_width'], ax=axes)

# Mostrar el gráfico
plt.show()
Combinación de un gráfico de dispersión y otro de línea creado con Seaborn
Combinación de un gráfico de dispersión y otro de línea creado con Seaborn

En este ejemplo, lo primero que se hace es crear una nueva figura con un único eje. Para lo que se usa la función subplots(). Una vez creada la figura, simplemente se llama primero a la función scatterplot() para crear un gráfico de dispersión y en segundo lugar a la función lineplot() para crear el gráfico de línea. En ambos casos se ha usado la propiedad ax para indicar que el gráfico se debe crear en los mismos ejes, evitando que cada una se cree en unos diferentes. Finalmente, solamente se tiene que llamar al método show() de la figura para mostrar el gráfico.

Conclusiones

La posibilidad de combinar diferentes tipos de gráficos en Seaborn permite explorar y comunicar los patrones complejos que existen en los conjuntos de datos de manera más efectiva. Permitiendo aprovechar la multitud de opciones disponibles en Seaborn para crear nuevas visualizaciones.

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

  • Visualización de datos en Python con Seaborn
    Visualización de datos en Python con Seaborn
  • Gráfico de densidad con relleno y escala de colores para el conjunto de 500 datos
    Gráficos de densidad: alternativa a los gráficos de…
  • Trazar ejes logarítmicos en Matplotlib
    Trazar ejes logarítmicos en Matplotlib
  • Seleccionar las mejores características para un modelo con Scikit-learn
    Seleccionar las mejores características para un modelo con…
  • Aplicación de estilos de visualización en Seaborn
    Aplicación de estilos de visualización en Seaborn
  • Introducción a Seaborn: Una visión general de la biblioteca
    Introducción a Seaborn: Una visión general de la biblioteca

Publicado en: Python Etiquetado como: Seaborn

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 eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • La aplicación Auto Py to Exe Creación de un EXE desde un archivo Python en Windows publicado el mayo 16, 2022 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | 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