Módulo 13 — Visualización con Matplotlib y Seaborn

Un número no habla solo. Un gráfico bien hecho responde en dos segundos preguntas que una tabla de cien filas no responde en dos minutos. Este módulo cubre las dos librerías que vas a usar en análisis de datos: Matplotlib para el control total y Seaborn para gráficos estadísticos con menos código.

Instalar

pip install matplotlib seaborn

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

Matplotlib: la base de todo

Matplotlib tiene dos formas de trabajar. La forma rápida usa plt directamente:

x = [1, 2, 3, 4, 5]
y = [10, 25, 15, 30, 20]

plt.plot(x, y)
plt.title("Ventas por semana")
plt.xlabel("Semana")
plt.ylabel("Unidades")
plt.show()

La forma correcta para proyectos reales usa Figure y Axes explícitamente. Esto permite múltiples gráficos en una misma figura y da control total:

fig, ax = plt.subplots()     # una figura, un gráfico
ax.plot(x, y, color="steelblue", linewidth=2, marker="o")
ax.set_title("Ventas por semana")
ax.set_xlabel("Semana")
ax.set_ylabel("Unidades")
fig.savefig("ventas.png", dpi=150, bbox_inches="tight")
plt.show()

fig es el contenedor. ax es el área donde se dibuja. La distinción importa cuando tienes varios gráficos juntos.

Los tipos de gráfico más útiles

Líneas — para evoluciones en el tiempo:

fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(fechas, ventas, color="steelblue", linewidth=2)
ax.fill_between(fechas, ventas, alpha=0.1, color="steelblue")  # área bajo la curva
ax.set_title("Evolución de ventas")

Barras — para comparar categorías:

categorias = ["A", "B", "C", "D"]
valores = [45, 80, 30, 60]

fig, ax = plt.subplots()
ax.bar(categorias, valores, color="coral", edgecolor="white")
ax.set_title("Ventas por categoría")

Dispersión (scatter) — para ver relación entre dos variables:

fig, ax = plt.subplots()
ax.scatter(df["precio"], df["unidades"], alpha=0.5, s=30)
ax.set_xlabel("Precio")
ax.set_ylabel("Unidades vendidas")

Histograma — para ver la distribución de una variable:

fig, ax = plt.subplots()
ax.hist(df["importe"], bins=20, color="mediumseagreen", edgecolor="white")
ax.set_xlabel("Importe")
ax.set_ylabel("Frecuencia")

Múltiples gráficos en una figura:

fig, axes = plt.subplots(1, 2, figsize=(12, 4))   # 1 fila, 2 columnas

axes[0].plot(x, y1, color="steelblue")
axes[0].set_title("Serie A")

axes[1].bar(categorias, valores, color="coral")
axes[1].set_title("Categorías")

fig.suptitle("Panel de análisis", fontsize=14)
fig.tight_layout()   # ajusta los márgenes para que no se solapen
plt.show()

Seaborn: estadística con menos código

Seaborn está construido sobre Matplotlib. Su ventaja: entiende DataFrames de Pandas directamente y añade información estadística automáticamente (intervalos de confianza, regresiones, agrupaciones por color).

import seaborn as sns

# Tema visual limpio de base:
sns.set_theme(style="whitegrid")

Gráfico de líneas con media e intervalo de confianza:

sns.lineplot(data=df, x="mes", y="importe", hue="categoria")
plt.show()

hue separa en colores por una variable categórica. Con una línea añades la leyenda.

Barras agrupadas:

sns.barplot(data=df, x="categoria", y="importe", hue="año", errorbar=None)

Histograma con curva de densidad:

sns.histplot(data=df, x="importe", kde=True, bins=30)

Boxplot — para ver distribución y detectar outliers:

sns.boxplot(data=df, x="categoria", y="precio")

Heatmap — para matrices de correlación o tablas dinámicas:

correlacion = df[["precio", "cantidad", "importe"]].corr()
sns.heatmap(correlacion, annot=True, fmt=".2f", cmap="coolwarm", center=0)
plt.title("Correlación entre variables")

annot=True escribe los valores dentro de cada celda. cmap="coolwarm" usa rojo para correlaciones positivas y azul para negativas.

Pairplot — para ver todas las relaciones entre variables numéricas de un vistazo:

sns.pairplot(df[["precio", "cantidad", "importe"]], diag_kind="kde")

Útil para exploración inicial. No lo uses en presentaciones finales; es demasiado denso.

Guardar figuras

Siempre usa savefig antes de show(). Después de show() la figura se limpia:

fig.savefig("grafico.png", dpi=150, bbox_inches="tight")
fig.savefig("grafico.pdf", bbox_inches="tight")   # vectorial para informes
plt.show()

dpi=150 es buena resolución para pantalla. dpi=300 para imprimir. bbox_inches="tight" elimina el margen blanco excesivo.

Qué usar cuándo

Ejercicios

Para estos ejercicios usa el DataFrame de ventas del módulo 11 o uno propio con columnas numéricas y categóricas.

13.1 — Crea un gráfico de barras con los ingresos totales por categoría de producto. Ponle título, etiquetas en los ejes y guárdalo como PNG.

13.2 — Dibuja la evolución de ingresos mensuales con un gráfico de líneas. Añade el área bajo la curva con fill_between y una línea horizontal de referencia en la media con ax.axhline.

13.3 — Usa plt.subplots(1, 2) para mostrar en la misma figura: (a) histograma de precios unitarios, (b) scatter de precio vs. cantidad. Ajusta con tight_layout.

13.4 — Con Seaborn, dibuja un boxplot de los importes agrupados por categoría. Aplica el tema whitegrid e identifica visualmente si hay categorías con outliers.

13.5 — Calcula la correlación entre las variables numéricas de tu DataFrame y muéstrala en un heatmap anotado con seaborn. Usa cmap="coolwarm".

13.6 — Genera un gráfico de barras horizontales (ax.barh) con los 10 productos con más ingresos, ordenados de mayor a menor. Etiqueta cada barra con su valor usando ax.text.

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("ventas.csv", parse_dates=["fecha"])
df["importe"] = df["precio_unitario"] * df["cantidad"]
resumen = df.groupby("categoria")["importe"].sum().sort_values(ascending=False)

fig, ax = plt.subplots(figsize=(8, 5))
ax.bar(resumen.index, resumen.values, color="steelblue", edgecolor="white")
ax.set_title("Ingresos por categoría")
ax.set_xlabel("Categoría")
ax.set_ylabel("Ingresos (€)")
fig.savefig("ingresos_categoria.png", dpi=150, bbox_inches="tight")
plt.show()

df["mes"] = df["fecha"].dt.to_period("M").astype(str)
mensual = df.groupby("mes")["importe"].sum()

fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(mensual.index, mensual.values, color="steelblue", linewidth=2, marker="o")
ax.fill_between(mensual.index, mensual.values, alpha=0.15, color="steelblue")
ax.axhline(mensual.mean(), color="coral", linestyle="--", label="Media")
ax.set_title("Evolución mensual de ingresos")
ax.set_xlabel("Mes")
ax.set_ylabel("Ingresos (€)")
ax.legend()
plt.xticks(rotation=45)
fig.tight_layout()
plt.show()

fig, axes = plt.subplots(1, 2, figsize=(12, 4))

axes[0].hist(df["precio_unitario"], bins=20, color="mediumseagreen", edgecolor="white")
axes[0].set_title("Distribución de precios")
axes[0].set_xlabel("Precio unitario (€)")

axes[1].scatter(df["precio_unitario"], df["cantidad"], alpha=0.4, s=25, color="coral")
axes[1].set_title("Precio vs. Cantidad")
axes[1].set_xlabel("Precio unitario (€)")
axes[1].set_ylabel("Cantidad")

fig.tight_layout()
plt.show()

import seaborn as sns

sns.set_theme(style="whitegrid")
fig, ax = plt.subplots(figsize=(8, 5))
sns.boxplot(data=df, x="categoria", y="importe", ax=ax)
ax.set_title("Distribución de importes por categoría")
ax.set_xlabel("Categoría")
ax.set_ylabel("Importe (€)")
plt.xticks(rotation=30)
plt.show()

import seaborn as sns

numericas = df[["precio_unitario", "cantidad", "importe"]].corr()

fig, ax = plt.subplots(figsize=(6, 5))
sns.heatmap(numericas, annot=True, fmt=".2f", cmap="coolwarm", center=0, ax=ax)
ax.set_title("Correlación entre variables")
fig.tight_layout()
plt.show()

top10 = df.groupby("nombre")["importe"].sum().nlargest(10).sort_values()

fig, ax = plt.subplots(figsize=(8, 6))
bars = ax.barh(top10.index, top10.values, color="steelblue")
for bar, val in zip(bars, top10.values):
    ax.text(bar.get_width() + 50, bar.get_y() + bar.get_height() / 2,
            f"{val:,.0f} €", va="center", fontsize=9)
ax.set_title("Top 10 productos por ingresos")
ax.set_xlabel("Ingresos (€)")
fig.tight_layout()
plt.show()