Creación de Gráficos Combinados en Matplotlib con GridSpec

Los \*\*subplots\*\* y \*\*layouts avanzados\*\* en Matplotlib permiten crear gráficos complejos organizados en varias filas y columnas, lo que es especialmente útil cuando necesitas visualizar diferentes variables o aspectos de los datos en un solo lienzo. Aquí te mostraré cómo crear subplots y ajustar su diseño de forma eficiente. \### 1. \*\*Creación de Subplots Básicos\*\* El método `plt.subplot()` o `plt.subplots()` es la base para crear múltiples gráficos en una sola figura. \#### Ejemplo básico: ```python import matplotlib.pyplot as plt import numpy as np \# Datos de ejemplo x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) \# Crear una figura con dos subplots (1 fila, 2 columnas) fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) \# Gráfico 1: Seno ax1.plot(x, y1, 'r') ax1.set\_title("Seno") \# Gráfico 2: Coseno ax2.plot(x, y2, 'b') ax2.set\_title("Coseno") plt.show() ``` \### 2. \*\*Personalización de los Subplots\*\* \#### Títulos, etiquetas y leyendas: Cada subplot es un eje individual que se puede personalizar de manera independiente. ```python fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) \# Gráfico 1: Seno ax1.plot(x, y1, 'r') ax1.set\_title("Seno") ax1.set\_xlabel("Tiempo") ax1.set\_ylabel("Amplitud") \# Gráfico 2: Coseno ax2.plot(x, y2, 'b') ax2.set\_title("Coseno") ax2.set\_xlabel("Tiempo") ax2.set\_ylabel("Amplitud") plt.show() ``` \### 3. \*\*Ajuste del Espaciado entre Subplots\*\* Cuando los gráficos están muy juntos, puedes ajustar el espaciado entre ellos con `plt.subplots\_adjust()`. \#### Ejemplo: ```python fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) \# Agregar los gráficos ax1.plot(x, y1, 'r') ax2.plot(x, y2, 'b') \# Ajustar el espaciado plt.subplots\_adjust(wspace=0.3) # Aumentar el espacio horizontal entre subplots plt.show() ``` \### 4. \*\*Crear Subplots con Diferentes Tamaños (GridSpec)\*\* `GridSpec` permite crear layouts complejos donde cada subplot puede ocupar un número variable de filas o columnas. \#### Ejemplo con GridSpec: ```python import matplotlib.gridspec as gridspec \# Crear una figura fig = plt.figure(figsize=(10, 7)) \# Definir el layout con GridSpec gs = gridspec.GridSpec(2, 2, height\_ratios=\[2, 1], width\_ratios=\[1, 2]) \# Crear los subplots ax1 = fig.add\_subplot(gs\[0, 0]) # Ocupa la primera fila y primera columna ax2 = fig.add\_subplot(gs\[0, 1]) # Ocupa la primera fila y segunda columna ax3 = fig.add\_subplot(gs\[1, :]) # Ocupa toda la segunda fila \# Agregar gráficos ax1.plot(x, y1, 'r') ax1.set\_title("Seno") ax2.plot(x, y2, 'g') ax2.set\_title("Coseno") ax3.plot(x, y1 + y2, 'b') ax3.set\_title("Suma de Seno y Coseno") plt.tight\_layout() # Ajusta los márgenes de los subplots plt.show() ``` \### 5. \*\*Compartir Ejes entre Subplots\*\* A veces, es útil que varios subplots compartan los mismos ejes, especialmente cuando quieres comparar gráficos que tienen la misma escala. \#### Ejemplo con ejes compartidos: ```python fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5), sharey=True) \# Gráfico 1: Seno ax1.plot(x, y1, 'r') ax1.set\_title("Seno") \# Gráfico 2: Coseno ax2.plot(x, y2, 'b') ax2.set\_title("Coseno") \# Ambos subplots compartirán el mismo eje Y plt.show() ``` \### 6. \*\*Layouts Complejos usando `plt.subplot2grid()`\*\* Otra manera de manejar subplots complejos es usando `subplot2grid()`, lo que te permite colocar subplots en posiciones específicas dentro de una cuadrícula flexible. \#### Ejemplo: ```python fig = plt.figure(figsize=(10, 7)) \# Crear los subplots con posiciones específicas en una cuadrícula 3x3 ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2) # Primer subplot abarca 2 columnas ax2 = plt.subplot2grid((3, 3), (0, 2)) # Segundo subplot en la tercera columna ax3 = plt.subplot2grid((3, 3), (1, 0), colspan=3) # Tercer subplot abarca toda la segunda fila ax4 = plt.subplot2grid((3, 3), (2, 0), colspan=3) # Cuarto subplot en la última fila \# Agregar gráficos ax1.plot(x, y1, 'r') ax1.set\_title("Seno") ax2.plot(x, y2, 'g') ax2.set\_title("Coseno") ax3.plot(x, y1 + y2, 'b') ax3.set\_title("Suma de Seno y Coseno") ax4.plot(x, y1 - y2, 'purple') ax4.set\_title("Diferencia entre Seno y Coseno") plt.tight\_layout() plt.show() ``` \### 7. \*\*Uso de `plt.tight\_layout()` y `plt.constrained\_layout()`\*\* `tight\_layout()` y `constrained\_layout()` son útiles para ajustar los márgenes entre subplots automáticamente, asegurándose de que las etiquetas y títulos no se superpongan. \#### Ejemplo: ```python fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(12, 4)) \# Agregar gráficos ax1.plot(x, y1, 'r') ax2.plot(x, y2, 'g') ax3.plot(x, y1 + y2, 'b') \# Ajustar automáticamente los márgenes plt.tight\_layout() # o plt.constrained\_layout() plt.show() ``` \### Resumen: \- \*\*Subplots\*\*: Se usan para organizar gráficos en una sola figura, ideal para comparar datos. \- \*\*GridSpec\*\* y \*\*subplot2grid\*\*: Permiten mayor control sobre el diseño de los subplots. \- \*\*Compartir ejes\*\*: Ayuda a mejorar la comparación entre gráficos. \- \*\*Ajustar layouts\*\*: Usa `tight\_layout()` o `constrained\_layout()` para evitar solapamientos entre gráficos. Estos métodos te permitirán realizar visualizaciones más organizadas y profesionales usando subplots y layouts avanzados en Matplotlib.

**EN RESUMEN:** * **Subplots** permiten organizar múltiples gráficos en una sola figura para facilitar la comparación. * **Layouts avanzados** ofrecen una mayor flexibilidad en la disposición de los gráficos, permitiendo diseños personalizados y complejos para una visualización más efectiva.


***Ejemplo:*** 

🟢 **Qué es Figure y Axes** `figure` es el término general que se usa para referirse al objeto `Figure` en Matplotlib, que es el contenedor de todos los subgráficos y otros elementos gráficos. `axes` es el objeto `Axes` que representa el área del gráfico dentro de la figura.  **¡Nunca pares de aprender!** 🚀🚀

**SUBPLOTS** * **Qué son:** Los subplots son múltiples gráficos (o ejes) que se muestran en una sola figura o ventana en una visualización. Permiten colocar varios gráficos en una sola imagen, organizados en una cuadrícula. * **Para qué sirven:** Son útiles para comparar diferentes conjuntos de datos o diferentes visualizaciones en un solo marco. Esto facilita la comparación directa de resultados y la organización de gráficos relacionados. Por ejemplo, podrías usar subplots para mostrar diferentes métricas de rendimiento en una misma visual

**LAYOUTS AVANZADOS** * **Qué son:** Los layouts avanzados se refieren a configuraciones más complejas de subplots que permiten personalizar la disposición y el tamaño de cada subplot dentro de una figura. Esto incluye configuraciones como el uso de grids con diferentes tamaños de filas y columnas, o la integración de gráficos con diferentes dimensiones o proporciones. * **Para qué sirven:** Permiten una mayor flexibilidad y control en la disposición de múltiples gráficos. Puedes ajustar el espacio entre subplots, combinar gráficos de diferentes tipos, o ajustar el tamaño y posición de cada gráfico según sea necesario. Esto es especialmente útil cuando se necesitan diseños complejos o cuando se quiere mostrar información en una disposición específica para mejorar la claridad y el impacto visual.

Mi layout de las últimas gráficas relizadas (espero mejorar su estetica pronto) ```js # Colocar los tres ultimos datos en un gridspec import matplotlib.gridspec as gridspec gs = gridspec.GridSpec(2,2, height_ratios=[2,1] ,width_ratios=[1,1]) fig = plt.figure(figsize=(10,8)) #primera piechart labels = ['Devoluciones','Ventas'] sizes = [total_returns, total_sales] colors = ['#ff9999', '#66b3ff'] pie1 = fig.add_subplot(gs[0,:]) pie1.pie(sizes, labels = labels, colors = colors, autopct = '%1.1f%%', startangle =45) pie1.axis('equal') pie1.set_title('Ventas vs Devoluciones') #distribuicon de ventas por mes y año dis1 = fig.add_subplot(gs[1,1]) data_cleaned.groupby(['Year', 'Month'])['TotalAmount'].sum().plot(kind = 'bar', ax = dis1) dis1.set_xlabel('Year, Month') dis1.set_ylabel('Total Sales') dis1.set_title('Total Sales by Year and Month') # top 10 más vendidos top_10_products = data_cleaned.groupby('StockCode')['Quantity'].sum().sort_values(ascending = False).head(10) top_10_products = top_10_products.reset_index() top_10_products = pd.merge(top_10_products, data_cleaned[['StockCode', 'Description']].drop_duplicates(), on = 'StockCode', how = 'left') top = fig.add_subplot(gs[1,0]) top.barh(top_10_products['Description'], top_10_products['Quantity'], color = 'blue') top.set_xlabel('Quantity') top.set_ylabel('Product Description') top.set_title('Top 10 Most Sold Products') ``` 

Aqui está mi aporte. Primero intenté hacer un gráfico tipo 'Pie', pero cómo se dice en mi país "me quedó grande el poncho" jajaja

Alguien sabe como hacer que los títulos de cada gráfico se muestren? En el video solo se ve el título principal. En mi caso me parece que tengo un error en esta parte.

Para crear múltiples gráficos en una sola figura utilizando Matplotlib y GridSpec, aquí tienes el código con comentarios explicativos: ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.gridspec import GridSpec # Generar un conjunto de datos x = np.linspace(0, 10, 100) # Crear un array de 100 puntos entre 0 y 10 y_seno = np.sin(x) # Calcular el seno de cada punto en x datos_histograma = np.random.randn(100) # Generar 100 números aleatorios # Crear una figura y definir la cuadrícula fig = plt.figure(figsize=(10, 8)) # Tamaño de la figura gs = GridSpec(2, 2) # Grid de 2 filas y 2 columnas # Primer subplot: gráfico de seno ax1 = fig.add_subplot(gs[0, :]) # Ocupa la primera fila ax1.plot(x, y_seno, color='blue') # Graficar el seno ax1.set_title('Gráfico de Seno') # Título del gráfico # Segundo subplot: histograma ax2 = fig.add_subplot(gs[1, 0]) # Ocupa la esquina inferior izquierda ax2.hist(datos_histograma, bins=20, color='purple') # Crear histograma ax2.set_title('Histograma') # Título del histograma # Tercer subplot: gráfico de dispersión ax3 = fig.add_subplot(gs[1, 1]) # Ocupa la esquina inferior derecha ax3.scatter(x, y_seno, color='red') # Graficar dispersión ax3.set_title('Dispersión de Seno') # Título del gráfico de dispersión # Ajustar el layout y mostrar la figura plt.tight_layout() # Ajustar layout para evitar superposiciones plt.show() # Mostrar la figura ``` Este código te permite visualizar tres tipos diferentes de gráficos en una sola figura utilizando Matplotlib.