VISUALIZACIÓN DE DATOS CON PYTHON PARA ANÁLISIS DE COYUNTURA
Introducción:
- La librería principal para crear gráficos es
Matplotlib
. - Es una librería muy extensa, que permite crear una gran variedad de gráficos, permitiendo personalizarlos al máximo (prácticamente todo en el gráfico es modificable).
- Realizar gráficos sencillos requiere una línea de código, pero la tarea se complica al realizar gráficos sofisticados – ¡Todo se puede hacer! Es cuestión de prueba y error y buscar ayuda (ejemplos) online.
- Nos centraremos en el tipo de gráficos más comunes en el análisis de coyuntura económica.
- Existe mucha ayuda online:
- https://matplotlib.org/tutorials/index.html
- https://matplotlib.org/stable/gallery/index.html
- https://matplotlib.org/stable/tutorials/introductory/sample_plots.html
- https://realpython.com/python-matplotlib-guide/
- https://www.python-graph-gallery.com/
-
Existen otras librerías disponibles, como Seaborn o Plotly, pero no tenemos tiempo para verlas.
- Fundamental en representación gráfica:
- Honestidad,
- Inteligibilidad-claridad,
- Elegancia.
- Ejemplos de gráficos manipulados
Visualización de datos- Pasos:
- Limpieza y preparación de los datos que queremos representar.
- Elección del tipo de gráfico y composición.
- Representación gráfica provisional.
- Personalización (customization).
- Mostrar (y guardar) el gráfico.
Estructura de las figuras en matplotlib
:
Jerarquía de objetos:
- Figura > axes (gráficos individuales) > axis (ejes de cada gráfico).
Anatomía de una figura
Tipos de gráficos:
Usando la interface de pandas
, la cual se basa en la de matplotlib
, haciendo su uso más fácil:
- df.plot
- df.plot.area
- df.plot.barh
- df.plot.density
- df.plot.hist
- df.plot.line
- df.plot.scatter
- df.plot.bar
- df.plot.box
- df.plot.hexbin
- df.plot.kde
- df.plot.pie
Echar in vistazo a la función
plot()
depandas
Sintaxis principal:
- Creamos la figura y los axes (gráficos):
fig, ax =plt.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
- Añadimos los datos al gráfico (líneas, barras, etc.):
2.1. usando la interface depandas
:df.plot.PLOT_TYPE(x=None, y=None, ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwargs)
2.2. O usando la interface de
matplotlib
:ax.plot(x, y, **kwargs)
- Personalizamos el gráfico, por ejemplo, añadimos una nota al pie:
fig.text(x, y, s, fontdict=None, **kwargs)
- Guardamos la figura y la mostramos:
fig.savefig(*args, **kwargs)