• 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)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • 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

Agregar líneas a las figuras de Matplotlib

septiembre 1, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Incluir una o varias líneas en una gráfica puede ser una herramienta sencilla, pero muy útil, para señalar al lector algunos valores que pueden ser de interés. Tales como los cambios de tendencia de una serie. Por eso en la mayoría de las librerías gráficas existen funciones para ello. Veamos algunas de las funciones disponibles para agregar líneas a las figuras de Matplotlib.

Incluir líneas verticales en Matplotlib

Para representar una serie de datos en Matplotlib se puede emplear la función plot(), pasándole cómo parámetros los valores tanto de x como de y. Por ejemplo, tal como se hace en el siguiente código.

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5, 6, 7]
y = [4, 3, 2, 5, 3, 6, 5]

plt.plot(x, y, label="Valores")
plt.xlabel("Tiempo")
plt.ylabel("Valores")
plt.legend()
plt.show()

El cual produce como resultado la siguiente figura.

Gráfico con una serie básica
Gráfico con una serie básica

Ahora, en el caso de que se le desee indicar al usuario un rango de valores para que se fije en él se puede recurrir a unas líneas verticales. Lo que en Matplotlib se puede conseguir con la función axvline(). El único parámetro que necesita esta función es la pasión en la que se desee dibujar (x). Aunque también es posible indicar otras opciones cómo puede ser el color (color) o una etiqueta para la línea (label).

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

Siguiendo con el ejemplo anterior se le puede iniciar al usuario que se fije en los valores del rango que va de 3 a 6 mediante un par de líneas. Facilitando al lector que identifique de una forma rápida estos valores. Así se puede crear una línea verde para indicar el inicio de los valores, la cual también se puede etiquetar con la palabra “Min”, y otra línea roja para señalar el final de la serie, a la que se puede agregar la etiqueta “Max”. Esto es exactamente lo que se hace en el siguiente código mediante el uso de la función axvline().

plt.plot(x, y, label="Valores")
plt.axvline(x=3, color="g", label="Min")
plt.axvline(x=6, color="r", label="Max")
plt.xlabel("Tiempo")
plt.ylabel("Valores")
plt.legend()
plt.show()

Produciendo la siguiente figura cuando se ejecuta.

Serie creada en Matplotlib a la que se le han agregado dos líneas verticales
Serie creada en Matplotlib a la que se le han agregado dos líneas verticales

Incluir líneas solamente hasta una altura

En una figura puede que no se quiera incluir una línea que ocupe toda la gráfica. Para solucionar esto la función axvline() cuenta con dos parámetros opcionales ymin e ymax, indicando mediante el primero el valor donde comienza la línea y el segundo el valor donde termina. Aunque calcular la posición correcta puede ser un poco complicado, ya que se debe indicar la fracción de la figura dónde debe comenzar y terminar la línea, no los valores del eje y. Lo que se puede ver en el siguiente ejemplo donde se dibuja la línea hasta el valor de los datos.

plt.plot(x, y, label="Valores")
plt.axis([1, 7, 1, 7])
plt.axvline(x=3, ymax=1/6, color="g", label = "Min")
plt.axvline(x=6, ymax=5/6, color="r", label = "Max")
plt.xlabel("Tiempo")
plt.ylabel("Valores")
plt.legend()
plt.show()

Con lo que se obtiene la siguiente figura.

Serie creada en Matplotlib a la que se le han agregado dos líneas verticales limitadas en altura
Serie creada en Matplotlib a la que se le han agregado dos líneas verticales limitadas en altura

Nótese que para indicar 2 en la primera línea se ha usado 1/5, mientras que para el valor 6 se ha empleado 5/6. El proceso para obtener estos valores es sencillo. Lo primero en lo que debemos fijarnos es que el eje y se ha fijado entre 1 y 7, por lo que la altura total son 6. Por otro lado como comienza en 1, el primer punto sería la altura de este menos el origen, esto es (2 – 1)/(7 – 1) = 1/6. Mientras que el segundo caso sería el cálculo siguiente (6 – 1)/(7 – 1) = 5/6.

Publicidad


Incluir líneas horizontales en Matplotlib

Para dibujar líneas horizontales existe una función análoga a la anterior que se llama axhline(). Siendo necesario en este caso indicar la altura del eje y en el que se desea dibujar la línea. El resto de los parámetros funciona igual salvo que para indicar la posición de inicio y fin de la línea los parámetros son xmin y xmax, algo obvio ya que ahora se acota en el eje x. Por ejemplo, se puede pintar una línea verde para identificar el punto mínimo y otra roja para el máximo como se muestra en el siguiente ejemplo.

plt.plot(x, y, label="Valores")
plt.axis([1, 7, 1, 7])
plt.axvline(x=3, ymax=1/6, color="g", label="Min")
plt.axvline(x=6, ymax=5/6, color="r", label="Max")
plt.axhline(y=2, xmax=2/6, color="g")
plt.axhline(y=6, xmin=5/6, color="r")
plt.xlabel("Tiempo")
plt.ylabel("Valores")
plt.legend()
plt.show()

Código que produce la siguiente figura.

Serie creada en Matplotlib a la que se le han agregado dos líneas verticales y horizontales
Serie creada en Matplotlib a la que se le han agregado dos líneas verticales y horizontales

Conclusiones

En esta ocasión se ha visto una forma para agregar líneas a las figuras de Matplotlib mediante el uso de las funciones axhline() y axvline(). Las cuales son bastante fáciles de usar y pueden ser de ayuda para facilitar al lector identificar la posición de valores o rangos de valores concretos a los que debería prestar atención.

¿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

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

mayo 12, 2026 Por Daniel Rodríguez

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

mayo 7, 2026 Por Daniel Rodríguez

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Creación de gráficos animados con Python publicado el mayo 4, 2020 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Copias de seguridad automáticas en SQL Server con rotación de archivos publicado el septiembre 16, 2025 | 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

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • 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
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

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