• 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
      • Ajuste de Curvas
      • Calculadora de Matrices
    • 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

Inclusión de texto en Matplotlib

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.

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
En Analytics Lane
Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

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

  • Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
  • Por qué migrar tus proyectos TypeScript a ES Modules en 2026
  • Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob
  • BG/BB: el modelo de CLV para compras en períodos discretos
  • Errores comunes al interpretar resultados estadísticos
  • Método del codo: interpretación correcta y limitaciones
  • Dashboard CLV: cuatro modelos, un mismo dataset, conclusiones muy distintas
  • Pareto/NBD: cuando el abandono silencioso cambia el CLV

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

Pareto/NBD: cuando el abandono silencioso cambia el CLV

septiembre 22, 2026 Por Daniel Rodríguez

Por qué migrar tus proyectos TypeScript a ES Modules en 2026

septiembre 17, 2026 Por Daniel Rodríguez

Método del codo: interpretación correcta y limitaciones

septiembre 15, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • 7 extensiones de Visual Studio Code para ciencia de datos publicado el enero 27, 2023 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Cómo eliminar un entorno en Conda publicado el enero 15, 2024 | en Python
  • Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios publicado el septiembre 18, 2025 | en Ciencia de datos, Opinión

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

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

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