13. Introducción a Matplotlib

Matplotlib es una librería de Python para hacer gráficos en dos dimensiones de alta calidad y altamente configurables. Tiene excelente integración con otras librerías como pandas y numpy

Adicionalmente matplotlib se integra con Jupyter mediante la magia %matplotlib backend. Entre las opciones de backend se encuentran

• inline : Gráficos rasterizados en el notebook/lab

• notebook : Gráficos interactivos en el notebook

• ipympl: Gráficos interactivos en jupyter lab y vscode

• qt, gtk, osx : Gráficos en una ventana emergente

Puedes consultar más información sobre esta magia en un terminal de IPython usando:

%matplotlib?

Instalación

Con nuestro ambiente conda activado

conda install matplotlib

O si usamos jupyterlab/VSCode

conda install matplotlib ipympl

Importar

# Invocamos la magia con una de las opciones de backend
%matplotlib inline
# Importamos la librería
import matplotlib as mpl
display(mpl.__version__)
import matplotlib.pyplot as plt

'3.5.1'

El modulo pyplot provee

• Funciones para crear distintos tipos de gráficos

• Una maquina de estados que añade los diversos elementos que queremos incluir en él

A continuación vamos a revisar ambos

13.1. Nuestra primera figura en matplotlib

Consideremos los siguientes datos que representan el número de casos covid19 positivos totales desde el 22 de Enero de 2020 hasta el 13 de Mayo de 2020

import pandas as pd

data_covid = pd.read_csv("data/covid19_extract.csv").drop(["Lat", "Long", "Province/State"], axis=1)
data_covid.set_index("Country/Region", inplace=True)
data_covid

	1/22/20	1/23/20	1/24/20	1/25/20	1/26/20	1/27/20	1/28/20	1/29/20	1/30/20	1/31/20	...	5/4/20	5/5/20	5/6/20	5/7/20	5/8/20	5/9/20	5/10/20	5/11/20	5/12/20	5/13/20
Country/Region
Argentina	0	0	0	0	0	0	0	0	0	0	...	4887	5020	5208	5371	5611	5776	6034	6278	6563	6879
Bolivia	0	0	0	0	0	0	0	0	0	0	...	1681	1802	1886	2081	2266	2437	2556	2831	2964	3148
Brazil	0	0	0	0	0	0	0	0	0	0	...	108620	115455	126611	135773	146894	156061	162699	169594	178214	190137
Chile	0	0	0	0	0	0	0	0	0	0	...	20643	22016	23048	24581	25972	27219	28866	30063	31721	34381

4 rows × 113 columns

Un gráfico de línea en matplotlib se dibuja con la función plot

Por ejemplo

plt.plot(a)

dibujará a en el eje vertical y range(len(a)) en el eje horizontal

Mientras que

plt.plot(x, y)

dibujará y en el eje vertical y x en el eje horizontal

Nota

Usamos un gráfico de línea para estudiar como cambia una variable en función de otra o en función del tiempo (orden)

Por ejemplo

data_chile = data_covid.loc["Chile"].values
plt.plot(data_chile);

Podemos especificar el color, ancho, estilo, transparencia, entre otros:

plt.plot(data_chile, color='r', linestyle='--',  linewidth=2, alpha=0.5);

Notar que en IPython llamar a plot genera inmediatamente la figura. Si se usa el intérprete normal de Python la figura se mostrará sólo luego de usar la instrucción plt.show()

Nota

Si se usa el backend notebook o ipympl se añade una barra de herramientas que permite manipular interactivamente el gráfico

13.2. Creación de figuras, ejes y artistas

Figura (Figure)

Es el elemento principal, actua como un lienzo que mantiene los demás elementos

Ejes (Axes)

Representan el sistema de coordenadas y puede haber más de uno por figura

Artista (Artist)

Son los objetos que podemos dibujar en los ejes. Los artistas se agregan y modifican utilizando métodos de la clase Axes

Anteriormente, al llamar plot creamos automaticamente un eje y una figura

Para tener mayor control sobre nuestro gráfico podemos crear una figura y un conjunto de ejes usando figure o subplots

# Especificamos el tamaño y el color de fondo
fig, ax = plt.subplots(figsize=(7, 4), tight_layout=True, facecolor='#EEF')
ax.plot(data_chile);

La siguiente figura de la documentación de matplotlib resume los elementos principales que podemos modificar

A continuación se muestra como acceder a cada uno de estos elementos

data_argentina = data_covid.loc["Argentina"].values
data_bolivia = data_covid.loc["Bolivia"].values

En matplotlib podemos agregar varios artistas en un mismo eje. Esto se hace llamando sucesivamente los métodos de un cierto eje que hayamos creado, por ejemplo

fig, ax = plt.subplots(figsize=(8, 4), tight_layout=True, facecolor='w')
ax.plot(data_chile)
ax.plot(data_argentina)
ax.plot(data_bolivia);

Nota

Los colores van rotando automáticamente

Se puede seleccionar manualmente el color utilizando el argumento c de plot, por ejemplo

fig, ax = plt.subplots(figsize=(8, 4), tight_layout=True, facecolor='w')
ax.plot(data_chile, c='red')
ax.plot(data_argentina, c='blue')
ax.plot(data_bolivia, c='green');

plot también recibe los argumentos

• linewidth o lw: Ancho de línea

• linestyle o ls: Estilo de la línea ('-', '--', '-.' y 'none')

• marker y markersize: Para especificar el tipo y tamaño de los marcadores

• alpha: Opacidad de la línea (entre 0 y 1)

• label: Nombre de la linea

El nombre es útil si queremos agregar una leyenda a nuestra imagen, por ejemplo

fig, ax = plt.subplots(figsize=(8, 4), tight_layout=True, facecolor='w')

ax.plot(data_chile, lw=2, alpha=0.75, label='Chile')
ax.plot(data_argentina, ls='--', lw=2, alpha=0.75, label='Argentina')
ax.plot(data_bolivia, ls='none', marker='.', markersize=5, label='Bolivia')

ax.legend(loc=1, ncol=3, bbox_to_anchor=(0.75, 1)); # Leyenda

Truco

Acostúmbrese a rotular sus gráficos con títulos y etiquetas para los ejes

A continuación se muestran las funciones para rotular ejes y algunos de los argumentos que aceptan

fig, ax = plt.subplots(figsize=(8, 4), tight_layout=True, facecolor='w')
ax.plot(data_chile)

# Texto para ejes y título
ax.set_xlabel('Tiempo [días]', fontsize=14, fontname='serif', color="green")
ax.set_ylabel('Casos acumulados de COVID-19')
ax.set_title('Mis primeros pasos en matplotlib');

Si necesitamos controlar la información a mostrar, podemos hacerlo sin necesidad de alterar nuestros datos con las funciones set_xlim y set_ylim.

Matplotlib ofrece también gran control respecto de como se presentan la información de los ejes

fig, ax = plt.subplots(figsize=(8, 4), tight_layout=True, facecolor='w')
ax.plot(data_chile)

# Límites de los ejes: set_xlim y set_ylim
ax.set_xlim([50, 100]) 

# Ticks de los ejes: set_xticks y set_yticks
ax.set_yticks([0, 5000, 10000, 20000])
# Etiquetas de los ejes
ax.set_yticklabels(['nada', 'pocos', 'muchos', 'demasiados'])
ax.xaxis.set_major_locator(mpl.ticker.MultipleLocator(7))
ax.xaxis.set_minor_locator(mpl.ticker.MultipleLocator(1))

# Grilla
ax.grid(color="red", which="major", axis='both', linestyle=':', linewidth=0.5);

13.2.1. Posicionamiento de ejes

Podemos crear un eje en una posición específica de la figura. La posición se indica con cuatro valores ordenados como sigue:

• left (izquierda)

• bottom (abajo)

• width (ancho)

• height (alto)

Los valores deben estar entre 0 y 1, son relativos al tamaño de la figura

fig = plt.figure(figsize=(7, 4))
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax1.plot(data_chile)
ax1.set_title('ax1')
ax2 = fig.add_axes([0.25, 0.5, 0.4, 0.2])
ax2.plot(data_argentina)
ax2.set_title('ax2');

Nota

Podemos incluso crear un eje dentro de otro. Esto es útil si queremos destacar una parte específica del gráfico. Use este recurso con moderación ya que puede entorpecer la lectura del gráfico

Si queremos múltiples ejes organizados como una tabla es más sencillo usar subplots. Si queremos comparar todas las figuras en la misma escala se pueden usar los argumentos sharex y sharey

fig, ax = plt.subplots(nrows=3, ncols=1, figsize=(7, 5), 
                       sharex=True, sharey=False, tight_layout=True)
ax[0].plot(data_chile, lw=2)
ax[0].set_title('Chile')
ax[1].plot(data_argentina, lw=2)
ax[1].set_title('Argentina');
ax[2].plot(data_bolivia, lw=2)
ax[2].set_title('Bolivia');

Si necesitamos que los sub-ejes tengan distintos tamaños dentro de la “tabla” podemos utilizar gridspec

fig = plt.figure(figsize=(7, 4), facecolor='w', tight_layout=True)

gs = mpl.gridspec.GridSpec(4, 4)

ax = fig.add_subplot(gs[0, 0])
ax.plot(data_chile); ax.set_title('0')
ax = fig.add_subplot(gs[1:, 0])
ax.plot(data_chile); ax.set_title('1')
ax = fig.add_subplot(gs[0:2, 1:])
ax.plot(data_chile); ax.set_title('2')
ax = fig.add_subplot(gs[2:4, 1:3])
ax.plot(data_chile); ax.set_title('3')
ax = fig.add_subplot(gs[2:4, 3])
ax.plot(data_chile); ax.set_title('4');

13.2.2. Escalas logarítmicas

Podemos modificar el escalamiento de los ejes de un gráfico tipo plot usando set_xscale o set_yscale, respectivamente

También podemos obtener el mismo efecto usando semilogx, semilogy y loglog, en lugar de plot

fig, ax = plt.subplots(1, 2, figsize=(7, 3), tight_layout=True, facecolor='w')

ax[0].plot(data_chile)
ax[1].plot(data_chile)
ax[1].set_yscale('log')

# plot y set_yscale es equivalente a:
# ax[1].semilogy(data_chile)

13.2.3. Anotaciones en un gráfico

Se puede usar text y annotate para agregar texto en posiciones arbitrarias

fig, ax = plt.subplots(figsize=(7, 4), tight_layout=True, facecolor='w')
ax.plot(data_chile)
ax.set_ylabel('Casos acumulados en Chile')

ax.text(x=60, y=1000, # Posicion
        s="Acá se dispararon los casos", # Contenido
        fontsize=14, color='blue', family="serif", # Customización de la fuente
        rotation=90)

ax.annotate('annotate tiene más opciones', # String
            xy=(0, 1000), xytext=(0, 2000), # Posicionamiento del texto y la flecha
            fontsize=13, # Tamaño de letra
            arrowprops=dict(arrowstyle="<->")); # Estilo de la flecha

13.3. Configurando matplotlib

Matplotlib mantiene un diccionario llamado rcParams

Puedes ver las opciones disponibles con

mpl.rcParams.keys()

Si hay opciones que siempre vamos a ocupar conviene escribirlas aquí.

Por ejemplo:

mpl.rcParams['axes.grid'] = True
mpl.rcParams['axes.linewidth'] = 4
mpl.rcParams['lines.linewidth'] = 0
mpl.rcParams['font.size'] = 14
mpl.rcParams['lines.marker'] = 'd'
mpl.rcParams['lines.markersize'] = 6
mpl.rcParams['figure.figsize'] = (9, 5)
# Ya no es necesario indicar estas opciones en cada gráfica

plt.figure()
plt.plot(data_chile) 
plt.plot(data_argentina);

También podemos escoger el estilo general de nuestras gráficas a partir de estilos predefinidos de matplotlib que pueden revisarse con

sorted(mpl.style.available)

Por ejemplo

plt.style.use('Solarize_Light2')

plt.figure()
plt.plot(data_chile) 
plt.plot(data_argentina);

13.4. Más allá de matplotlib

Existen muchas librerías de Python para hacer visualizaciones y gráficas.

Matplotlib es la más utilizada pero dependiendo de las necesidades de tu experimento/aplicación te recomiendo que consideres las siguientes alternativas

• Seaborn: Seaborn es una librería de visualización que utiliza matplotlib como backend. Provee más opciones de gráficos y tienen una apariencia por defecto más moderna y acabada. Además se integra mejor con la librería pandas

• Bokeh, Holoviews y Dash: Permiten crear visualizaciones interactivas en bases de datos grandes. Son mucho más eficientes que matplotlib pero también un poco más complejas de utilizar.

• Datashader Permite crear visualización sobre bases de datos masivas que no caben en memoria RAM.

• Vispy: Crea visualizaciones aceleradas por GPU basadas en OpenGL