• 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

Matplotlib

Cómo comparar tendencias con gráficos de líneas en Matplotlib: guía práctica paso a paso

junio 9, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 11 minutos

Tienes los datos de tráfico web de los últimos cinco meses desglosados por canal: orgánico, pagado y directo. Quieres saber cuál está creciendo más rápido y si hay algún mes en que algo cambió. Un gráfico de barras te mostraría los valores puntuales, pero no la historia que hay detrás. Para eso necesitas un gráfico de líneas.En esta entrada aprenderás a construir gráficos … [Leer más...] acerca de Cómo comparar tendencias con gráficos de líneas en Matplotlib: guía práctica paso a paso

Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

mayo 26, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 9 minutos

Llevas un rato analizando datos y tienes cuatro gráficos abiertos en ventanas separadas: ventas, usuarios, conversión e ingresos. Para comparar cualquier par de ellos tienes que cambiar de ventana, recordar lo que acabas de ver y volver. Tu cerebro está haciendo el trabajo que debería hacer el gráfico.La solución es tan simple como reunirlos todos en una sola figura usando … [Leer más...] acerca de Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

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

mayo 12, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 9 minutos

Tienes los datos de ventas de tres productos en dos años distintos y quieres saber cuál creció más. Podrías hacer dos gráficos separados… pero tu cerebro tardaría el doble en extraer conclusiones. La solución es un gráfico de barras comparativo, y en esta entrada verás exactamente cómo construirlo en Python con Matplotlib, paso a paso.En concreto, veremos tres técnicas … [Leer más...] acerca de Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib

mayo 5, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Al realizar un análisis de datos, a menudo necesitamos comparar la evolución de dos series de datos relacionadas entre sí, pero con escalas completamente diferentes. Por ejemplo:Un gráfico tradicional con un solo eje Y no puede mostrar correctamente ambos conjuntos de datos debido a las diferencias existentes en las escalas de los mismos. Por ejemplo, mientras la … [Leer más...] acerca de Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib

Anotaciones dinámicas en Matplotlib: Cómo usar mplcursors para destacar puntos clave al mover el cursor

enero 20, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 8 minutos

Incluir anotaciones en gráficos es fundamental para resaltar la información relevante, especialmente al analizar grandes volúmenes de datos o cuando la interpretación de estos no es inmediata. Sin embargo, un exceso de anotaciones estáticas puede saturar los gráficos y dificultar su lectura. Por ejemplo, en un gráfico de dispersión con cientos de puntos, añadir etiquetas para … [Leer más...] acerca de Anotaciones dinámicas en Matplotlib: Cómo usar mplcursors para destacar puntos clave al mover el cursor

Crear dos gráficos de tarta para ofrecer información detallada de subcategorías en Python

octubre 28, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Figura en la que se combinan las ventas por departamento el detalle de uno de ellos usando graficas de tarta.

En una entrada hace dos semanas se explicó cómo combinar un gráfico de tarta con uno de barras apiladas para mostrar el detalle de una de las categorías de la tarta. Lo que permite crear representaciones que muestran en detalle los datos. En esta entrada, se verá cómo combinar dos gráficos de tarta para ofrecer información detallada de subcategorías de datos en Python con … [Leer más...] acerca de Crear dos gráficos de tarta para ofrecer información detallada de subcategorías en Python

Crear un gráfico de tarta con subcategorías detalladas mediante barras apiladas en Python

octubre 14, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 7 minutos

Figura en la que se combina una gráfica de barras con las ventas por departamento y una gráfica de barra apilada con el detalle del departamento.

A la hora de representar datos complejos en los que existen categorías y subcategorías puede ser necesario mostrar la distribución general y el detalle de una categoría en específico. Por ejemplo, las ventas de una tienda por departamento y el detalle de un departamento en específico. Una opción para conseguir esto es combinar un gráfico de tarta, con la que se puede mostrar la … [Leer más...] acerca de Crear un gráfico de tarta con subcategorías detalladas mediante barras apiladas en Python

Introducción a las gráficas de tarta en Matplotlib

septiembre 30, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Junto a las gráficas de barras, una de las mejores opciones para visualizar datos categóricos son las gráficas de tarta. Mediante las cuales se puede mostrar el peso que tienen cada una de las categorías en el total de los datos. En esta entrada se explicarán las bases para la creación de gráficas de tarta en Matplotlib y algunas de las opciones más interesantes.Creación de … [Leer más...] acerca de Introducción a las gráficas de tarta en Matplotlib

Cómo crear gráficos con un eje secundario en matplotlib

septiembre 16, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Cuando se necesita comprar series de datos con escalas o unidades diferentes una de las mejores opciones son los gráficos con ejes secundarios. Mostrando los valores de una serie en el eje de la derecha y otra en la de la izquierda. Así, la persona que analiza el gráfico puede comparar las tendencias de ambas series sin los problemas de las dimensiones o escalas. En esta … [Leer más...] acerca de Cómo crear gráficos con un eje secundario en matplotlib

Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual

abril 29, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

La visualización de datos es una parte clave del análisis de datos y comunicación de los resultados. Facilitando la comprensión de patrones, identificación de tendencias y comunicación de hallazgos de una manera más sencilla y efectiva que solamente estadísticas. En esta cuarta y última entrega la serie dedicada a Pyjanitor se explicará cómo se puede combinar con bibliotecas … [Leer más...] acerca de Visualización de datos con Pyjanitor y Matplotlib o Seaborn: Potenciando el análisis visual

Mejorando la calidad de las imágenes en Jupyter Notebook: Un enfoque completo

marzo 6, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Jupyter Notebook se ha vuelto una herramienta fundamental para el análisis y la visualización de datos en múltiples entornos. Sin embargo, la calidad por defecto de las imágenes puede no ser adecuada en muchas aplicaciones. Por eso, en una entrada anterior, expliqué cómo cambiar esa resolución por defecto por una más adecuada en los monitores de alta resolución (HiDPI o Retina … [Leer más...] acerca de Mejorando la calidad de las imágenes en Jupyter Notebook: Un enfoque completo

Creación de Ridge Plots en Python con Seaborn: Guía completa paso a paso

febrero 5, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Un Ridge Plot generado en Python con Seaborn

Una de las mejores opciones para poder visualizar la forma de la distribución de un conjunto de datos son los gráficos de densidad (KDE, Kernel Density Estimation). Especialmente cuando se desconoce la distribución subyacente. Si, además, para un conjunto de datos, se desea analizar cómo evoluciona la distribución a lo largo de una dimensión categórica, como puede ser el tiempo … [Leer más...] acerca de Creación de Ridge Plots en Python con Seaborn: Guía completa paso a paso

  • Página 1
  • Página 2
  • Página 3
  • Página 4
  • 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 indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.4 del laboratorio con nuevas herramientas de conversión y modelos avanzados de CLV

julio 10, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Visualización de datos categóricos en Seaborn publicado el agosto 1, 2023 | en Python
  • Introducción al Análisis de Componentes Principales (PCA) publicado el mayo 3, 2024 | en Ciencia de datos
  • pandas Pandas: Cómo convertir listas en DataFrames publicado el noviembre 9, 2020 | en Python
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no) publicado el marzo 3, 2026 | en Ciencia de datos
  • El Bandido Multibrazo (Multi-Armed Bandit) publicado el febrero 12, 2021 | en Ciencia de datos

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

  • 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
  • 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

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