Bar Charts - Matplotlib 01

Matplotlib es una librería del lenguaje de programación Python, que nos permite crear gráficos estadísticos de gran calidad, RMarkdown nos permite trabajar con otros lenguajes de programación tales como C++, SQL, Julia, entre muchos otros; a continuación mostramos un diagrama de barras (Bar Chart) creado con Matplotlib.

import matplotlib.pyplot as plt
 

eje_x = ['Python', 'R', 'Node.js', 'PHP']
 

eje_y = [50,20,35,47]
 

plt.bar(eje_x, eje_y)
 
plt.ylabel('Cantidad de usuarios')
 

plt.xlabel('Lenguajes de programación')
 

plt.title('Usuarios de lenguajes de programación')
 

plt.show()

Bar Charts - Matplotlib 02


import matplotlib.pyplot as plt
 
## Declaramos valores para el eje y, en este caso son categorias
eje_x = ['Prog.', 'Ciencia', 'Mat.', 'Ing.']
 
## 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")
plt.ylabel('Empleados')

plt.xlabel('Habilidades')

plt.title('Habilidades')

plt.show()

Bar Charts - Matplotlib 03

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')
plt.bar(indice_barras + ancho_barras, serie_2, width=ancho_barras, label='Mujeres')
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('Numero de habitantes')
plt.xlabel('Año')
plt.title('Numero de habitantes por genero')
 
plt.show()

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