Cómo Crear y Personalizar Subplots en Matplotlib

Summary

Sources

how2matplotlib.commedium.com

Matplotlib subplots permiten a los usuarios crear múltiples gráficos dentro de una sola figura. Esta capacidad es esencial para la visualización de datos, ya que facilita la comparación de diferentes conjuntos de datos y la visualización de información relacionada uno al lado del otro. Utilizando subplots, se pueden organizar y disponer varios gráficos en una figura de manera eficiente, permitiendo un análisis más detallado y comprensivo de los datos presentados. La flexibilidad de los subplots de Matplotlib es una de sus características más destacadas. Los usuarios pueden crear disposiciones complejas de gráficos, controlando completamente su organización y apariencia. Esto incluye la capacidad de ajustar el tamaño de la figura, personalizar el espaciado entre los gráficos, y compartir ejes para facilitar la comparación. Además, Matplotlib proporciona diversas opciones de personalización que permiten mejorar la apariencia y la legibilidad de las visualizaciones. Por ejemplo, se pueden ajustar los espacios entre los subplots, añadir títulos comunes a la figura, y compartir ejes entre los gráficos para asegurar que todos utilicen la misma escala, lo cual es particularmente útil en comparaciones directas. Para ilustrar estas capacidades, consideremos un ejemplo básico. Al crear una figura con dos subplots, es posible disponerlos horizontalmente utilizando el comando `plt.subplots(uno, dos)`. Este comando crea una cuadrícula de uno por dos subplots. Posteriormente, se pueden generar datos, como una onda senoidal y una onda cosenoidal, y graficarlos en los subplots correspondientes. De esta manera, se logra visualizar dos conjuntos de datos relacionados en una sola figura, facilitando su comparación. En resumen, los subplots de Matplotlib son una herramienta poderosa y flexible para la visualización de datos en Python. Permiten a los usuarios crear disposiciones complejas de gráficos, personalizar su apariencia y mejorar la presentación de la información, lo que resulta crucial para un análisis de datos efectivo y profesional. Para crear subplots en Matplotlib, se pueden seguir algunos pasos básicos que permiten configurar y personalizar las visualizaciones de manera efectiva. Comenzando con la creación de subplots, es posible utilizar el comando `plt.subplots()` para generar una figura con múltiples gráficos organizados en una cuadrícula. A continuación, se presenta un ejemplo de cómo crear una cuadrícula de dos por dos subplots: ```python import matplotlib.pyplot as plt import numpy as np # Crear una cuadrícula de subplots de 2x2 fig, axs = plt.subplots(2, 2, figsize=(10, 8)) # Generar algunos datos x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.tan(x) y4 = np.exp(x) # Graficar los datos en cada subplot axs[0, 0].plot(x, y1) axs[0, 0].set_title(Seno) axs[0, 1].plot(x, y2) axs[0, 1].set_title(Coseno) axs[1, 0].plot(x, y3) axs[1, 0].set_title(Tangente) axs[1, 1].plot(x, y4) axs[1, 1].set_title(Exponencial) # Ajustar el espaciado entre los subplots plt.subplots_adjust(wspace=0.3, hspace=0.3) # Añadir un título común a la figura fig.suptitle(Funciones Trigonométricas y Exponenciales, fontsize=16) plt.tight_layout() plt.show() ``` En este ejemplo, se crea una figura con una cuadrícula de dos por dos subplots y se grafica una función diferente en cada subplot. Se ajusta el espaciado entre los subplots utilizando `plt.subplots_adjust()` y se añade un título común a toda la figura con `fig.suptitle()`. Otra opción disponible en Matplotlib es la creación de disposiciones desiguales de subplots, utilizando `GridSpec`. Esto permite que los subplots se extiendan a través de múltiples filas o columnas, proporcionando una mayor flexibilidad en la disposición de los gráficos. Aquí se muestra un ejemplo de cómo crear una disposición desigual de subplots con `GridSpec`: ```python import matplotlib.pyplot as plt import numpy as np # Crear una disposición desigual de subplots fig = plt.figure(figsize=(12, 8)) gs = fig.add_gridspec(3, 3) ax1 = fig.add_subplot(gs[0, :]) ax2 = fig.add_subplot(gs[1, :-1]) ax3 = fig.add_subplot(gs[1:, -1]) ax4 = fig.add_subplot(gs[-1, 0]) ax5 = fig.add_subplot(gs[-1, -2]) # Generar algunos datos x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.tan(x) y4 = np.exp(x) y5 = np.log(x) # Graficar los datos en cada subplot ax1.plot(x, y1) ax1.set_title(Seno) ax2.plot(x, y2) ax2.set_title(Coseno) ax3.plot(x, y3) ax3.set_title(Tangente) ax4.plot(x, y4) ax4.set_title(Exponencial) ax5.plot(x, y5) ax5.set_title(Logaritmo) plt.tight_layout() plt.show() ``` En este ejemplo, se define una cuadrícula de tres por tres con `GridSpec` y se crean subplots que abarcan múltiples celdas en la cuadrícula. Cada subplot se personaliza con diferentes datos y títulos. Además de la disposición y el espaciado, es posible compartir ejes entre subplots para facilitar la comparación de datos con la misma escala. Aquí se muestra cómo crear subplots que comparten tanto el eje x como el eje y: ```python import matplotlib.pyplot as plt import numpy as np # Crear una cuadrícula de subplots de 2x2, compartiendo ejes x e y fig, axs = plt.subplots(2, 2, figsize=(10, 8), sharex=True, sharey=True) # Generar algunos datos x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.tan(x) y4 = np.exp(x) # Graficar los datos en cada subplot axs[0, 0].plot(x, y1) axs[0, 0].set_title(Seno) axs[0, 1].plot(x, y2) axs[0, 1].set_title(Coseno) axs[1, 0].plot(x, y3) axs[1, 0].set_title(Tangente) axs[1, 1].plot(x, y4) axs[1, 1].set_title(Exponencial) # Añadir etiquetas a los ejes compartidos fig.text(0.5, 0.04, Eje X, ha=center) fig.text(0.04, 0.5, Eje Y, va=center, rotation=vertical) plt.tight_layout() plt.show() ``` Este ejemplo muestra cómo compartir ejes entre subplots para asegurar que todos los gráficos utilicen la misma escala, lo cual es esencial para comparaciones directas. Finalmente, Matplotlib permite crear subplots de diferentes tamaños. Esto es útil cuando se quiere dar énfasis a ciertos gráficos o acomodar diferentes tipos de visualizaciones en una sola figura: ```python import matplotlib.pyplot as plt import numpy as np # Crear una figura con subplots de diferentes tamaños fig = plt.figure(figsize=(12, 8)) gs = fig.add_gridspec(3, 3) ax1 = fig.add_subplot(gs[0, :]) ax2 = fig.add_subplot(gs[1:, :-1]) ax3 = fig.add_subplot(gs[1:, -1]) # Generar algunos datos x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.tan(x) # Graficar los datos en cada subplot ax1.plot(x, y1) ax1.set_title(Seno) ax2.plot(x, y2) ax2.set_title(Coseno) ax3.plot(x, y3) ax3.set_title(Tangente) plt.tight_layout() plt.show() ``` En este ejemplo, se utilizan subplots de diferentes tamaños para destacar ciertos gráficos. El primer subplot abarca toda la fila superior, el segundo ocupa el área inferior izquierda de dos por dos, y el tercero se encuentra en la columna derecha. Estas técnicas de creación y personalización de subplots en Matplotlib permiten a los usuarios diseñar visualizaciones sofisticadas y profesionales, adaptadas a sus necesidades específicas de análisis de datos.