Bar Charts - Matplotlib

Matplotlib es una librería del lenguaje de programación R, que nos permite crear gráficos estadísticos de gran calidad, a continuación mostramos tres casos de creación de diagramas de barras (Bar Charts) haciendo uso de dicha librería en RMarkdown, para tener como resultado un documento HTML.

Bar Charts - Matplotlib_001

import matplotlib.pyplot as plt
 
x_axis = ['Python', 'R', 'Node.js', 'PHP']
 
y_axis = [50,20,35,47]
 
plt.bar(x_axis, y_axis)

 
plt.ylabel('Number of Users (Millions)')
 
plt.xlabel('Programming Languages')
 
plt.title('Users - Programming Languages')
 
plt.show()

Bar Charts - Matplotlib_002

import matplotlib.pyplot as plt
 
x_axis = ['Coding', 'Science', 'Math', 'Soft Skills']
 

y_axis = [76,31,45,57]
 

plt.barh(x_axis, y_axis, color="darkblue")
plt.ylabel('Employees',fontsize=5)

plt.xlabel('Skills')

plt.title('Employees Skills')

plt.show()

Bar Charts - Matplotlib_003

import numpy as np
import matplotlib.pyplot as plt
 
serie_1 = [406, 387, 442, 457, 485]
serie_2 = [421, 453, 435, 478, 512]
 
 
numero_de_grupos = len(serie_1)
indice_barras = np.arange(numero_de_grupos)
ancho_barras =0.35
 
plt.bar(indice_barras, serie_1, width=ancho_barras, label='Men')
plt.bar(indice_barras + ancho_barras, serie_2, width=ancho_barras, label='Women')
plt.legend(loc='best')
## Se colocan los indicadores en el eje x
plt.xticks(indice_barras + ancho_barras, ('2017', '2018', '2019', '2020','2021'))
 
plt.ylabel('Number of inhabitants')
plt.xlabel('Year')
plt.title('Number of inhabitants by gender')
 
plt.show()

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