Hoy en día las gráficas nos permiter mostrar los datos de una forma visual, llamativa y directa, para comprender dichos datos de forma rápida y precisa. por ello son fundamentales en nuestro día a día.
Python dispone de un modulo con el que fácil crear gráficas con multitud de formatos. Una herramienta útil con la que mostrar nuestra información de la forma más clara y efectiva.
Los ejemplos de este post estan realizados con datos ficticios, que representan la publicación de DVDs por años y países. Los datos son extraidos de una base de datos de películas que se encuentra almacenada en Postgresql.
Para realizar las gráficas debemos tener instalados los modulos chartify y pandas.
El código del script es el siguiente:
import chartify
import pandas as pd
import sys
sys.path.append("../Actrices/")
import funciones_db as db
ch = chartify.Chart(blank_labels=True, x_axis_type='linear')
ch.set_title("DVDs por Año")
ch.set_subtitle("Cantidad de DVDs publicados entre el 2000 y el 2020")
ch.axes.set_xaxis_label("Año")
ch.axes.set_yaxis_label("DVDs")
ch.set_source_label("DVDs publicados")
data = db.DvdYears2()
ch.plot.scatter(
data_frame=data,
x_column='year',
y_column='total')
ch.show()
Este pequeño script genera la siguiente gráfica:
La consulta a la base de datos se realiza de la siguiente forma:
import pandas as pd
def ActrizPaisYear():
try:
comm = cx.conectar()
cursor = comm.cursor()
query = """
SELECT ...
"""
df = pd.read_sql(query, comm)
return df
finally:
if(comm):
cursor.close()
comm.close()
Otros ejemplos de gráficas soportadas por chartify son:
ch = chartify.Chart(blank_labels=True, x_axis_type='categorical')
ch.plot.bar(
data_frame=data,
categorical_columns='year',
numeric_column='total',
categorical_order_ascending=True)
ch = chartify.Chart(blank_labels=True, x_axis_type='linear')
ch.plot.area(
data_frame=data,
x_column='year',
y_column='total',
color_column='pais',
stacked=False)
#ch = chartify.Chart(blank_labels=True, x_axis_type='categorical') #Vertical
ch = chartify.Chart(blank_labels=True, y_axis_type='categorical') #Horizontal
ch.plot.bar(
data_frame=data,
categorical_columns='year',
numeric_column='total',
color_column='year')
ch = chartify.Chart(blank_labels=True, x_axis_type='categorical')
ch.plot.bar(
data_frame=data,
categorical_columns=['year', 'pais'],
numeric_column='total',
color_column='year',
categorical_order_by='labels',
categorical_order_ascending=True)
ch.axes.set_xaxis_tick_orientation('vertical')
ch = chartify.Chart(blank_labels=True, layout='slide_100%', y_axis_type='categorical')
ch.plot.lollipop(
data_frame=data,
categorical_columns=['year', 'pais'],
numeric_column='total',
color_column='year',
categorical_order_by='labels')
Las posibilidades son inmesas, existen multitud de gráficas diferentes para mostrar nuestros datos.
Aquí puedes encontar la documentación de chartify, y aquí, multitud de ejemplos para realizar tus gráficas más espectuculares.
