Diagrama de Barras - 001

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()

Diagrama de Barras - 002

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()

Diagrama Barras - 003

df = pd.DataFrame({"Price": [7,1,5,6,3,10,5,8],
                    "Product": ['C1','C2','C1','C2','C1','C2','C1','C2'],
                  "Day": [1,1,2,2,3,3,4,4]})

s = sns.barplot(x ="Day", y = 'Price', data = df, hue = "Product")

plt.show()

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