• 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

Conectar puntos en gráficas de dispersión en Matplotlib

julio 28, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En una gráfica de dispersión donde existe un patrón en los datos que se desea mostrar al lector, si solamente se usan los puntos, puede ser complicado para este identificarlo. Siendo aconsejable en estos casos unir estos mediante líneas, para lo que existen múltiples opciones en Matplotlib. Veamos a continuación algunas de los métodos para conectar los puntos en gráficas de … [Leer más...] acerca de Conectar puntos en gráficas de dispersión en Matplotlib

Generar figuras de alta resolución en Matplotlib

julio 26, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Por defecto la resolución con la que se crean las figuras en Matplotlib es de 72 puntos por pulgada (ppp), el valor estándar de las pantallas tradicionales. Aunque esta configuración es insuficiente en el caso de que se desee imprimir la gráfica o esta se visualice en una pantalla HiDPI o Retina. A la hora de trabajar con Jupyter se puede cambiar la configuración para doblar la … [Leer más...] acerca de Generar figuras de alta resolución en Matplotlib

Incluir líneas de división en Matplotlib

julio 21, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Las gráficas que cuentan con líneas de división generalmente son más fáciles de leer, especialmente cuando se necesita comprender de una manera precisa la relación existente entre los diferentes valores que se muestran. Por eso incluir este elemento puede ser de gran ayuda. Incluir líneas de división en Matplotlib no es una tarea compleja, pero es necesario conocer las … [Leer más...] acerca de Incluir líneas de división en Matplotlib

Inclusión de texto en 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 … [Leer más...] acerca de Inclusión de texto en Matplotlib

Mostrar marcas de división secundarias en Matplotlib

julio 14, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Habitualmente en las gráficas solamente se muestran las marcas de división principales, aquellas que se corresponden con un valor que se muestra en el eje, pero las marcas de división secundarias también son de gran ayuda para la lectura e interpretación de los gráficos. Unas marcas que por defecto no se muestran en las figuras creadas con Matplotlib. Veamos los pasos para … [Leer más...] acerca de Mostrar marcas de división secundarias en Matplotlib

Uso de LaTeX en Matplotlib

julio 12, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Cuando es necesario incluir ecuaciones u otros símbolos matemáticos en los cuadernos de Jupyter lo habitual es usar las expresiones de LaTeX. Algo que también se puede usar en las figuras de Matplotlib. Aunque su uso es algo más complicado. A diferencia de Jupyter, para poder usar LaTeX en Matplotlib es necesario tener instalado previamente una distribución de este sistema de … [Leer más...] acerca de Uso de LaTeX en Matplotlib

Personalizar las marcas de división en Matplotlib

julio 7, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Las figuras creadas con Matplotlib generalmente contienen marcas de división en los ejes, ya que son una excelente ayuda para interpretar correctamente los datos que se muestran. Aunque la configuración por defecto suele ser una buena opción, puede que no sea la más adecuada para nuestras necesidades. Veamos cómo se pueden personalizar las marcas de división en … [Leer más...] acerca de Personalizar las marcas de división en Matplotlib

Gráficos de barras en Matplotlib

julio 5, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Las gráficas de barras son una de las más empleadas para la representación de datos. Siendo una excelente opción para aquellos casos en los que se desea mostrar valores numéricos asociados a categorías. Pudiéndose tanto aplicar los datos de diversas categorías en una misma barra, como dibujar diferentes barras una a lado de otra. Veamos algunas formas para conseguir gráficos de … [Leer más...] acerca de Gráficos de barras en Matplotlib

Publicaciones para el verano 2022: Matplotlib

julio 4, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: < 1 minuto

Analytics Lane

Siguiendo la tradición de los últimos años, durante los meses de julio y agosto publicaré un monográfico sobre Matplotlib. Una de las principales bibliotecas que existen en Python para la generación de gráficos a la que no le he dedicado demasiadas publicaciones anteriormente. Siendo esta una serie que espero que sea tan bien recibida como la de Julia publicada en 2020 y la de … [Leer más...] acerca de Publicaciones para el verano 2022: Matplotlib

Medir el tiempo de ejecución en SQL Server

julio 1, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Saber el tiempo necesario para realizar una tarea es clave a la hora de optimizar un proceso. Siendo la mejor estrategia centrarse en mejorar el rendimiento de aquellas actividades que requieren más tiempo, ya que estas son las que más van a afectar al resultado final. Algo que también se aplica a las bases de datos. Por lo que, conocer el tiempo de ejecución en SQL Server de … [Leer más...] acerca de Medir el tiempo de ejecución en SQL Server

Linter para auditar el rendimiento de Python

junio 29, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Los analizadores estáticos de código, o linter, permiten buscar problemas en el código de una forma automática, facilitando de esta forma la auditoría de este. Uno de los más populares para Python es pylint, el cual hemos visto recientemente. Quizás uno de los problemas que puede tener este linter es que no cuenta con reglas para identificar problemas de rendimiento en el … [Leer más...] acerca de Linter para auditar el rendimiento de Python

Unir múltiples archivos CSV en uno con Pandas

junio 27, 2022 Por Daniel Rodríguez 2 comentarios
Tiempo de lectura: 4 minutos

Por múltiples motivos es bastante habitual que un conjunto de datos llegue en varios archivos CSV en lugar de uno único. Algo que generalmente obliga unirlo en uno antes de poder realizar los análisis. Aunque es una tarea sencilla, puede ser tediosa si se repite de forma habitual. Para solucionar esto, se puede crear una función con Pandas para unir múltiples archivos CSV en … [Leer más...] acerca de Unir múltiples archivos CSV en uno con Pandas

  • « Ir a la página anterior
  • Página 1
  • Páginas intermedias omitidas …
  • Página 47
  • Página 48
  • Página 49
  • Página 50
  • Página 51
  • Páginas intermedias omitidas …
  • Página 104
  • Ir a la página siguiente »

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

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

julio 23, 2026 Por Daniel Rodríguez

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Cómo modificar los mensajes de commit en Git publicado el abril 25, 2025 | en Herramientas
  • Manipulación básica de series temporales con pandas publicado el agosto 15, 2018 | en Python
  • Noticias Analytics Lane lanza la versión 1.4 del laboratorio con nuevas herramientas de conversión y modelos avanzados de CLV publicado el julio 10, 2026 | en Noticias
  • La distancia de Levenshtein publicado el junio 17, 2020 | en Ciencia de datos, R

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

  • 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
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

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