Bar Chart - Matplotlib_001
import matplotlib.pyplot as plt
eje_x=[4,6,8]
eje_y=[11,7,14]
colores=['orange','blue','purple']
plt.bar(eje_x,eje_y,color=colores)
## <BarContainer object of 3 artists>
plt.title('Número de Cilindros')
plt.xlabel("Cilindros")
plt.ylabel("Frecuencias")
plt.show()

Bar Chart - Matplotlib_002
import matplotlib.pyplot as plt
## Declaramos valores para el eje y, en este caso son categorias
eje_x = ['Programacion', 'Ciencia de datos', 'Matematicas', 'Ingenieria']
## Declaramos valores para el eje x, ahora son los valores
eje_y = [76,31,45,57]
## Creamos Gráfica y ponesmos las barras de color verde
plt.barh(eje_x, eje_y, color="green")
## <BarContainer object of 4 artists>
plt.ylabel('Numero de Empleados')
plt.xlabel('Habilidades')
plt.title('Empleados con habilidades')
plt.show()

Bar chart - 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='Hombres')
## <BarContainer object of 5 artists>
plt.bar(indice_barras + ancho_barras, serie_2, width=ancho_barras, label='Mujeres')
## <BarContainer object of 5 artists>
plt.legend(loc='best')
## Se colocan los indicadores en el eje x
plt.xticks(indice_barras + ancho_barras, ('2017', '2018', '2019', '2020','2021'))
## ([<matplotlib.axis.XTick object at 0x0000000006131F30>, <matplotlib.axis.XTick object at 0x000000000609DF60>, <matplotlib.axis.XTick object at 0x000000003EF80760>, <matplotlib.axis.XTick object at 0x0000000006131D20>, <matplotlib.axis.XTick object at 0x0000000006133DF0>], [Text(0.35, 0, '2017'), Text(1.35, 0, '2018'), Text(2.35, 0, '2019'), Text(3.35, 0, '2020'), Text(4.35, 0, '2021')])
plt.ylabel('Numero de habitantes')
plt.xlabel('Año')
plt.title('Numero de habitantes por genero')
plt.show()

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