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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