Lección 5 del curso Matplotlib para Ciencia de Datos y Machine Learning.
En la lección anterior vimos cómo generar y exportar una gráfica en Matplotlib, y en ese caso vimos un primer tipo de sintaxis para esta tarea.
En realidad, Matplotlib tiene dos maneras de generar gráficas que al comienzo podremos tender a confundir: la interfaz «stateless» que usa una sintaxis muy similar a la de MATLAB al momento de generar gráficas y la interfaz «stateful» que tiene una sintaxis basada en Programación Orientada a Objetos.
Aunque ambas interfaces permiten generar los mismos resultados, en realidad la interfaz tipo «stateful» es la que nos interesa usar en adelante para nuestros proyectos de Ciencia de Datos y Machine Learning.
Así que en esta lección veremos en detalle estas dos interfaces, así como las ventajas y desventajas de cada una:
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.
Muy bien, acabamos de ver cómo generar gráficas usando las dos interfaces mencionadas anteriormente.
Vimos que, en general, ambas permiten obtener exactamente los mismos resultados. Sin embargo, la interfaz stateful (que usa una sintaxis de Programación Orientada a Objetos) es la más recomendada para nuestros proyectos de Ciencia de Datos y Machine Learning, pues permite controlar por completo y de manera individual y explícita cada uno de los elementos que queramos incluir en nuestras gráficas.
Teniendo esto claro, en la próxima lección comenzaremos a ver en detalle las diferentes alternativas que nos ofrece Matplotlib al momento de modificar los elementos de una gráfica. Así que veremos cómo personalizar los elementos de una gráfica.
Todas las lecciones del curso Matplotlib para Ciencia de Datos y Machine Learning