Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío 1: Fundamentos de Trazado | Matplotlib
Desafío de Entrevista en Ciencia de Datos

book
Desafío 1: Fundamentos de Trazado

Matplotlib, una biblioteca de visualización fundamental en Python, proporciona una amplia gama de capacidades de trazado que son a la vez expresivas y eficientes. Algunas ventajas convincentes de usar Matplotlib para sus tareas de visualización de datos son:

  • Versatilidad: Matplotlib admite una amplia gama de gráficos, desde gráficos lineales básicos hasta visualizaciones más complejas como gráficos de contorno.
  • Personalización: Cada aspecto de un gráfico, desde sus colores hasta sus etiquetas, se puede personalizar, proporcionando un control total al usuario.
  • Integración: Funciona a la perfección con otras librerías, especialmente Pandas y NumPy, convirtiéndola en una herramienta fundamental en el flujo de trabajo del análisis de datos.

Para los científicos de datos en ciernes, los analistas o cualquier persona interesada en la representación visual, las funciones de trazado de Matplotlib actúan como un puente entre los datos en bruto y los conocimientos.

Tarea

Swipe to start coding

Trace tres tipos de gráficos básicos con Matplotlib:

    1. Trazar un gráfico lineal simple.
    1. Crear un gráfico de dispersión.
    1. Crear un histograma.

Solución

import matplotlib.pyplot as plt
import numpy as np

# Fix seed
np.random.seed(1)

# 1. Plot a simple line graph.
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.show()

# 2. Create a scatter plot.
x_scatter = np.random.rand(50)
y_scatter = np.random.rand(50)
plt.scatter(x_scatter, y_scatter)
plt.show()

# 3. Generate a histogram.
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.show()
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 4. Capítulo 1
import matplotlib.pyplot as plt
import numpy as np

# Fix seed
np.random.seed(1)

# 1. Plot a simple line graph.
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.___(___, ___)
plt.show()

# 2. Create a scatter plot.
x_scatter = np.random.rand(50)
y_scatter = np.random.rand(50)
plt.___(___, ___)
plt.show()

# 3. Generate a histogram.
data = np.random.randn(1000)
plt.___(___, bins=30)
plt.show()
toggle bottom row
some-alt