10 - Gráficos de línea y de dispersión
Lección 10 del curso Matplotlib para Ciencia de Datos y Machine Learning.
En la lección anterior vimos cómo visualizar imágenes y mapas de color con ayuda de Matplotlib con lo cual culminamos el segundo módulo del curso, enfocado en las herramientas básicas de visualización que nos ofrece esta librería.
Con estas bases, en este último módulo del curso veremos cómo generar diferentes tipos de gráficas especializadas de uso común en nuestros proyectos de Ciencia de Datos y Machine Learning.
Pero además de ver cómo generar de forma básica estas gráficas, vamos a entender cuándo usarlas y veremos elementos adicionales que nos permitirán personalizarlas para lograr mejores visualizaciones.
Y en esta lección comenzaremos con dos de los tipos de gráficos más comunes: los gráficos de línea y de dispersión.
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Muy bien, en esta lección hemos visto en primer lugar cómo acceder a diferentes estilos de color que nos permiten asignar una paleta de colores, estilos de línea y tipos y tamaños de letra, entre otros, a todas nuestras gráficas.
Y posteriormente vimos qué son los gráficos de línea y de dispersión, en qué situaciones podemos usarlos y cómo generar este tipo de visualizaciones con ayuda de las funciones plot y scatter de Matplotlib.
Además vimos como, con ayuda de las diferentes herramientas de personalización que ofrece Matplotlib, podemos con muy pocas líneas de código lograr visualizaciones muy llamativas.
En la próxima lección entonces veremos otro tipo de gráfica que comúnmente podremos encontrar en nuestros proyectos de Ciencia de Datos y Machine Learning: los gráficos de error.