Lección 4 del curso Matplotlib para Ciencia de Datos y Machine Learning.
En la lección anterior vimos la anatomía de una gráfica en Matplotlib, así que ya estamos listos para comenzar a usar la librería.
En esta lección veremos cómo importar la librería, así como el código básico para generar una gráfica simple usando el método «plot» y la manera de exportarla a un archivo de imagen usando el método «savefig».
Adicionalmente, veremos cómo visualizar una gráfica desde Jupyter Notebook o ejecutando el script de Python (archivo .py), pues en este último caso tendremos que indicarle a Python de manera explícita que muestre la figura en una nueva ventana:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Bien, acabamos de ver que con muy pocas líneas de código resulta posible generar una gráfica simple y exportarla usando Matplotlib.
Además vimos que la sintaxis al momento de generar una gráfica interactiva (usando Jupyter Notebook) es muy similar a la usada en un script de Python (archivo .py) con la única diferencia de que en este último caso debemos usar el método «show» para indicarle a Matplotlib que muestre la gráfica en una nueva ventana.
Y con esto cerramos este primer módulo introductorio a Matplotlib, que nos ha permitido comenzar a familiarizarnos con esta librería.
En el segundo módulo nos enfocaremos en las herramientas básicas para la generación y personalización de gráficas y veremos además cómo visualizar imágenes y mapas de color.
Y específicamente en la próxima lección veremos las dos formas de generar gráficas en Matplotlib, las semejanzas y diferencias entre la una y la otra y cuál de ellas es la que recomiendo usar para nuestros proyectos de Ciencia de Datos y Machine Learning.
Todas las lecciones del curso Matplotlib para Ciencia de Datos y Machine Learning