Capítulo 7: Visualización de datos con Matplotlib y Seaborn
7.4 Ejercicios Prácticos - Capítulo 7
Ejercicio 1: Gráfico de Línea Básico
Crea un gráfico de línea simple utilizando Matplotlib para visualizar la función \( y = x^2 \) para \( x \) en el rango de 0 a 10.
Solución:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = x ** 2
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.show()Ejercicio 2: Gráfico de Barras con Seaborn
Crea un gráfico de barras utilizando Seaborn para visualizar la longitud promedio del pétalo para cada especie en el conjunto de datos Iris.
Solución:
import seaborn as sns
df = sns.load_dataset('iris')
sns.barplot(x='species', y='petal_length', data=df)
plt.show()Ejercicio 3: Matriz de Gráficos de Dispersión
Utiliza Seaborn para crear una matriz de gráficos de dispersión del conjunto de datos Iris centrándote en las variables 'sepal_length', 'sepal_width', 'petal_length' y 'petal_width'.
Solución:
sns.pairplot(df, vars=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'], hue='species')
plt.show()Ejercicio 4: Gráfico Avanzado - Mapa de Calor
Visualiza una matriz de correlación del conjunto de datos Iris utilizando un mapa de calor en Seaborn.
Solución:
correlation_matrix = df.corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.show()Ejercicio 5: Personaliza Tu Gráfico
Toma el gráfico de línea que creaste en el Ejercicio 1 y personalízalo agregando líneas de cuadrícula, cambiando el estilo de línea y agregando marcadores.
Solución:
plt.plot(x, y, linestyle='--', marker='o', color='b')
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.grid(True)
plt.show()Esperamos que encuentres estos ejercicios beneficiosos. Recuerda, cuanto más practiques, más competente te volverás. ¡Disfruta creando gráficos!
7.4 Ejercicios Prácticos - Capítulo 7
Ejercicio 1: Gráfico de Línea Básico
Crea un gráfico de línea simple utilizando Matplotlib para visualizar la función \( y = x^2 \) para \( x \) en el rango de 0 a 10.
Solución:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = x ** 2
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.show()Ejercicio 2: Gráfico de Barras con Seaborn
Crea un gráfico de barras utilizando Seaborn para visualizar la longitud promedio del pétalo para cada especie en el conjunto de datos Iris.
Solución:
import seaborn as sns
df = sns.load_dataset('iris')
sns.barplot(x='species', y='petal_length', data=df)
plt.show()Ejercicio 3: Matriz de Gráficos de Dispersión
Utiliza Seaborn para crear una matriz de gráficos de dispersión del conjunto de datos Iris centrándote en las variables 'sepal_length', 'sepal_width', 'petal_length' y 'petal_width'.
Solución:
sns.pairplot(df, vars=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'], hue='species')
plt.show()Ejercicio 4: Gráfico Avanzado - Mapa de Calor
Visualiza una matriz de correlación del conjunto de datos Iris utilizando un mapa de calor en Seaborn.
Solución:
correlation_matrix = df.corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.show()Ejercicio 5: Personaliza Tu Gráfico
Toma el gráfico de línea que creaste en el Ejercicio 1 y personalízalo agregando líneas de cuadrícula, cambiando el estilo de línea y agregando marcadores.
Solución:
plt.plot(x, y, linestyle='--', marker='o', color='b')
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.grid(True)
plt.show()Esperamos que encuentres estos ejercicios beneficiosos. Recuerda, cuanto más practiques, más competente te volverás. ¡Disfruta creando gráficos!
7.4 Ejercicios Prácticos - Capítulo 7
Ejercicio 1: Gráfico de Línea Básico
Crea un gráfico de línea simple utilizando Matplotlib para visualizar la función \( y = x^2 \) para \( x \) en el rango de 0 a 10.
Solución:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = x ** 2
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.show()Ejercicio 2: Gráfico de Barras con Seaborn
Crea un gráfico de barras utilizando Seaborn para visualizar la longitud promedio del pétalo para cada especie en el conjunto de datos Iris.
Solución:
import seaborn as sns
df = sns.load_dataset('iris')
sns.barplot(x='species', y='petal_length', data=df)
plt.show()Ejercicio 3: Matriz de Gráficos de Dispersión
Utiliza Seaborn para crear una matriz de gráficos de dispersión del conjunto de datos Iris centrándote en las variables 'sepal_length', 'sepal_width', 'petal_length' y 'petal_width'.
Solución:
sns.pairplot(df, vars=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'], hue='species')
plt.show()Ejercicio 4: Gráfico Avanzado - Mapa de Calor
Visualiza una matriz de correlación del conjunto de datos Iris utilizando un mapa de calor en Seaborn.
Solución:
correlation_matrix = df.corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.show()Ejercicio 5: Personaliza Tu Gráfico
Toma el gráfico de línea que creaste en el Ejercicio 1 y personalízalo agregando líneas de cuadrícula, cambiando el estilo de línea y agregando marcadores.
Solución:
plt.plot(x, y, linestyle='--', marker='o', color='b')
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.grid(True)
plt.show()Esperamos que encuentres estos ejercicios beneficiosos. Recuerda, cuanto más practiques, más competente te volverás. ¡Disfruta creando gráficos!
7.4 Ejercicios Prácticos - Capítulo 7
Ejercicio 1: Gráfico de Línea Básico
Crea un gráfico de línea simple utilizando Matplotlib para visualizar la función \( y = x^2 \) para \( x \) en el rango de 0 a 10.
Solución:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = x ** 2
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.show()Ejercicio 2: Gráfico de Barras con Seaborn
Crea un gráfico de barras utilizando Seaborn para visualizar la longitud promedio del pétalo para cada especie en el conjunto de datos Iris.
Solución:
import seaborn as sns
df = sns.load_dataset('iris')
sns.barplot(x='species', y='petal_length', data=df)
plt.show()Ejercicio 3: Matriz de Gráficos de Dispersión
Utiliza Seaborn para crear una matriz de gráficos de dispersión del conjunto de datos Iris centrándote en las variables 'sepal_length', 'sepal_width', 'petal_length' y 'petal_width'.
Solución:
sns.pairplot(df, vars=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'], hue='species')
plt.show()Ejercicio 4: Gráfico Avanzado - Mapa de Calor
Visualiza una matriz de correlación del conjunto de datos Iris utilizando un mapa de calor en Seaborn.
Solución:
correlation_matrix = df.corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.show()Ejercicio 5: Personaliza Tu Gráfico
Toma el gráfico de línea que creaste en el Ejercicio 1 y personalízalo agregando líneas de cuadrícula, cambiando el estilo de línea y agregando marcadores.
Solución:
plt.plot(x, y, linestyle='--', marker='o', color='b')
plt.xlabel('x')
plt.ylabel('y')
plt.title('y = x^2')
plt.grid(True)
plt.show()Esperamos que encuentres estos ejercicios beneficiosos. Recuerda, cuanto más practiques, más competente te volverás. ¡Disfruta creando gráficos!