15 - Gráficos 3D
Lección 15 del curso Matplotlib para Ciencia de Datos y Machine Learning.
En la lección anterior hablamos de los gráficos de violín, que junto con los diferentes tipos de gráficas vistos en lecciones anteriores, permiten visualizar datos en dos dimensiones.
Sin embargo, en ocasiones los datos que procesamos en nuestros proyectos contienen más de dos variables o características. Por ejemplo, volviendo al ejemplo analizado en lecciones anteriores, en lugar de tan sólo la altura podríamos tener el peso y la edad de varios sujetos dentro de una población.
En estos casos no resulta adecuado el uso de las gráficas que hemos visto hasta el momento, pues se trata de gráficas de dos dimensiones que nos permiten observar sólo pares de variables.
Cuando tenemos tres características podemos hacer una gráfica en 3 dimensiones, así que en esta lección veremos las alternativas que ofrece Matplotlib para la generación de este tipo de gráficas.
En particular veremos un ejemplo práctico de cómo usar la función scatter vista anteriormente para generar y personalizar un gráfico en tres dimensiones.
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
Acabamos de ver cómo generar un gráfico de dispersión en 3 dimensiones y cómo controlar elementos como el color de cada punto dibujado (asociado a la categoría de cada dato), así como la manera de modificar el ángulo de visión del gráfico 3D a través del método view_init y de los parámetros elevación, azimut y roll.
En la próxima lección nos enfocaremos en las herramientas que ofrece Matplotlib para generar gráficos de series de tiempo, un tipo de dato que comúnmente encontraremos en muchos proyectos de Ciencia de Datos y Machine Learning.