Gráficos de Barras y Diagramas de Pastel

🟢 **Diagramas de barras en ejes polares** Un barplot en un eje polar es una variante de un gráfico de barras que se adapta a un **sistema de coordenadas polares** en lugar de uno cartesiano.  Esto es útil cuando quieres visualizar datos que tienen una **relación cíclica o angular**, como en el caso de datos relacionados con horas del día, direcciones, o estaciones del año. Comparto el código, con una advertencia, se utiliza `subplots` para la **proyección polar**: ```python # Datos para el ejercicio np.random.seed(19680801) # Cálculo de las barras polares de ángulo theta N = 20 theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False) radii = 10 * np.random.rand(N) width = np.pi / 4 * np.random.rand(N) colors = plt.cm.viridis(radii / 10.) # Gráfico de barras en eje polor ax = plt.subplot(projection='polar') ax.bar(theta, radii, width=width, bottom=0.0, color=colors, alpha=0.5) plt.show() ``` Espero les haya servido. **¡Nunca paren de aprender!** 🚀🚀

📝 Mis apuntes de esta clase **Gráfico de barras:** * Compara cantidades entre diferentes categorías. * Se utiliza en datos discretos. **Ejemplo**: Comparar la venta de diferentes productos en un mes. **Aplicación**: Es útil para ver qué producto tiene más ventas y como es su desempeño con otros. ```python import numpy as np import matplotlib.pyplot as plt # Datos products = ["Producto A","Producto B","Producto C"] sales = np.random.randint(20, 150, 3) # Creación del gráfico de barras plt.figure(figsize=(10,8)) plt.bar( x=products, height=sales, label="Ventas mensuales", color="skyblue" ) plt.title("Ventas de productos en un mes") plt.xlabel("Productos") plt.ylabel("Ventas") plt.legend() # Anotación para anotar un punto ezpecifico: # El producto con mas ventas. max_sales = sales.max() max_sales_idx = np.where(sales == max_sales)[0][0] max_prod = products[max_sales_idx] plt.annotate( "Máximo de ventas", xy=(max_prod, max_sales), arrowprops=dict(facecolor="red", shrink=0.05) ) plt.show() ``` **Resultado**:  **Gráfico de pastel (pie):** * Muestra la proporción de las diferentes categorías en relación a un total. * Divide un todo en partes (categorías). ⚠️ Utilizar solo cuando: * Hay una diferencia clara en las proporciones. * Son pocas categorías. **Ejemplo**: Participación de diferentes productos en el mercado. ```python import numpy as np import matplotlib.pyplot as plt # Datos products = ["Producto A","Producto B","Producto C"] market_share = np.random.randint(20, 150, 3) plt.figure(figsize=(10,8)) plt.pie( x=market_share, labels=products, autopct="%1.2f%%", startangle=140, colors=["gold", "lightcoral", "orange"] ) plt.title("Participación de mercado por producto") plt.axis("equal"); ``` 📌La notación `;` (punto y coma) en la última línea es el equivalente a ejecutar la función `plt.show()` **Resultado**:  📌Ambos gráficos permiten representar datos categóricos de forma visual y más comprensible. Espero este aporte les sea de utilidad 💜

Los colores se pueden personalizar con códigos hexadecimales como en este ejemplo: import matplotlib.pyplot as plt plt.figure(figsize=(8,6)) categories = \['Producto A', 'Producto B', 'Producto C']sales = \[120,150,90] \#Creación del gráfico de barras verticalesplt.bar(categories, sales, color='#7d08d7', label='Ventas mensuales') \#Anotación con flecha para destacar un punto específicoplt.annotate('Máximo de ventas', xy=('Producto B', 150),xytext=('Producto C', 160),             arrowprops= dict(facecolor = 'black', shrink= 0.05)) plt.title('Ventas de productos en un mes')plt.xlabel('Productos')plt.ylabel('Ventas') \#plt.legend() plt.show() 

ESTARIA GENIAL UNA CLASE DE MANEJO DE GRAFICO CON MPLOT LIB A TRAVEZ DE PROMPT ENGENIERING

Me puse a experimentar de esta manera: `etiquetas = ['A', 'B', 'C', 'D']tamaños = [25, 35, 20, 20]colores = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']explosion = (0, 0.2, 0, 0)` `plt.pie(tamaños, explode=explosion, labels=etiquetas, colors=colores, autopct='%1.1f%%', shadow=True, startangle=140)plt.axis('equal')plt.title('Diagrama de Pastel de Prueba')` `plt.show()` 

Les dejo un ejemplo para el caso de Retail: plt.figure(figsize=(8,6)) group\_sales = sales\_data.groupby(\['Month'])\['Quantity'].sum().reset\_index(name='Quantity') print(group\_sales) plt.bar(group\_sales\['Month'], group\_sales\['Quantity'], label='Ventas Mensuales') plt.annotate('Maximo de ventas', xy=(11, 700000), xytext=(12, 50000), arrowprops=dict(facecolor='black', shrink=0.05)) plt.title('Ventas de productos en un mes') plt.xlabel('Productos') plt.ylabel('Ventas') plt.show()

Jugando un pco se puede hacer muchas cosas

**¿PARA QUÉ SIRVEN LOS GRÁFICOS DE BARRAS Y DIAGRAMAS DE PASTEL?** En Python, los gráficos de barras y los diagramas de pastel son herramientas útiles para visualizar datos categóricos y proporciones.

**Gráficos de Barras** * **Uso**: Comparar valores entre diferentes categorías. * **Ejemplo**: Comparar ventas de productos. ### **Diagramas de Pastel** * **Uso**: Mostrar proporciones o porcentajes de un total. * **Ejemplo**: Distribución del presupuesto entre departamentos. ###

Les presento mi ejemplo practico 

\### Gráficos de Barras y Diagramas de Pastel en Matplotlib \*\*Matplotlib\*\* es una biblioteca muy flexible que permite crear gráficos de barras y diagramas de pastel con múltiples opciones de personalización. \--- \### \*\*Gráfico de Barras\*\* El gráfico de barras se utiliza para comparar categorías en términos de una variable cuantitativa. \#### Ejemplo básico de un gráfico de barras: ```python import matplotlib.pyplot as plt \# Datos categorias = \['A', 'B', 'C', 'D'] valores = \[3, 7, 5, 6] \# Crear gráfico de barras plt.bar(categorias, valores) \# Personalización plt.title('Gráfico de Barras') plt.xlabel('Categorías') plt.ylabel('Valores') plt.show() ``` \#### Gráfico de barras horizontales: ```python plt.barh(categorias, valores) plt.title('Gráfico de Barras Horizontal') plt.xlabel('Valores') plt.ylabel('Categorías') plt.show() ``` \#### Gráfico de barras apiladas: Para crear gráficos de barras apiladas, usamos la misma posición en el eje `x` y acumulamos los valores en el eje `y`. ```python \# Datos categorias = \['A', 'B', 'C', 'D'] valores1 = \[3, 7, 5, 6] valores2 = \[2, 5, 4, 8] \# Crear barras apiladas plt.bar(categorias, valores1, label='Grupo 1') plt.bar(categorias, valores2, bottom=valores1, label='Grupo 2') \# Personalización plt.title('Gráfico de Barras Apiladas') plt.xlabel('Categorías') plt.ylabel('Valores') plt.legend() plt.show() ``` \#### Personalización de colores y anchura de barras: ```python plt.bar(categorias, valores, color='skyblue', width=0.6) plt.title('Gráfico de Barras Personalizado') plt.show() ``` \--- \### \*\*Diagrama de Pastel\*\* Los diagramas de pastel se utilizan para mostrar proporciones en una distribución de categorías. \#### Ejemplo básico de un diagrama de pastel: ```python \# Datos categorias = \['A', 'B', 'C', 'D'] valores = \[15, 30, 45, 10] \# Crear gráfico de pastel plt.pie(valores, labels=categorias) \# Personalización plt.title('Diagrama de Pastel') plt.show() ``` \#### Añadir porcentaje y destacar una sección: ```python \# Exploding: resaltar una categoría explode = (0.1, 0, 0, 0) # Resalta el primer segmento (A) \# Crear gráfico de pastel con porcentajes plt.pie(valores, labels=categorias, autopct='%1.1f%%', explode=explode, startangle=90) \# Asegurar que el gráfico sea circular plt.axis('equal') plt.title('Diagrama de Pastel con Porcentajes') plt.show() ``` \#### Personalización de colores y sombras: ```python \# Colores personalizados colores = \['gold', 'yellowgreen', 'lightcoral', 'lightskyblue'] plt.pie(valores, labels=categorias, colors=colores, autopct='%1.1f%%', shadow=True, startangle=140) plt.axis('equal') plt.title('Diagrama de Pastel Personalizado') plt.show() ``` \--- \### Comparación entre Gráficos de Barras y Diagramas de Pastel: \- \*\*Gráficos de Barras\*\*: Ideales para comparar cantidades entre categorías. \- \*\*Diagramas de Pastel\*\*: Mejor para mostrar proporciones o partes de un todo. Ambos tipos de gráficos son fáciles de personalizar en Matplotlib para adaptarse a tus necesidades de visualización.