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.