• 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

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).

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
En Analytics Lane
Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

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

Publicidad


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.

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

Publicidad


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

  • 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)
  • Curiosidad: ¿Por qué los datos “raros” son tan valiosos?
  • Detectan vulnerabilidad crítica en MLflow que permite ejecución remota de código
  • ¿Por qué el azar no es tan aleatorio como parece?
  • Cómo crear un Data Lake en Azure paso a paso

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 se llama “regresión” lineal?

noviembre 20, 2025 Por Daniel Rodríguez

Guía definitiva para trabajar con JSON en SQL Server

noviembre 18, 2025 Por Daniel Rodríguez

Cómo crear un Data Lake en Azure paso a paso

noviembre 13, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Curiosidad: ¿Por qué se llama “regresión” lineal? publicado el noviembre 20, 2025 | en Ciencia de datos, Opinión
  • Ordenadores para Machine Learning e IA 2025: Guía para elegir el equipo ideal publicado el enero 17, 2025 | en Reseñas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | 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