Diagrama de dispersión con Python
Para crear un diagrama de dispersión en Python , utilizaremos la biblioteca Matplotlib. Primero, asegúrate de tener Matplotlib instalado. Si aún no lo tienes, puedes instalarlo usando el siguiente comando:
En Diagrama de dispersión con Python verás el concepto explicado en lenguaje claro y un ejemplo que puedes ejecutar en el editor de The Data Schools.
Modifica el código del ejemplo antes de pasar a la siguiente lección: la experimentación fija mejor el aprendizaje que leer pasivamente.
Ejemplo
pip install matplotlib
Cómo crear un diagrama de dispersión en Python
Puedes revisar el siguiente ejemplo para crear un diagrama de dispersión:
Ejemplo
# Agregar título al gráfico
plt.title('Diagrama de Dispersión')
# Mostrar el gráfico
plt.show()
# Mostrar el gráfico
plt.show()
En este ejemplo, hemos creado un diagrama de dispersión utilizando dos listas de datos
x
e
y
. Los puntos en el gráfico representan los valores de
(x, y)
de cada par de puntos en las listas. Luego, hemos agregado etiquetas a los ejes y un título al gráfico antes de mostrarlo.
Este es el resultado:
Puedes personalizar el gráfico agregando más detalles, como colores, tamaños de puntos, leyendas, etc., utilizando las funciones proporcionadas por Matplotlib.
Distribuciones Aleatorias de Datos en Machine Learning
En el campo del Machine Learning, trabajar con conjuntos de datos que contienen miles o incluso millones de valores es una tarea común. Sin embargo, en muchas ocasiones, los datos del mundo real pueden ser limitados o insuficientes para probar algoritmos de manera efectiva. En tales casos, la generación de valores aleatorios se convierte en una herramienta valiosa.
Como ya exploramos en capítulos anteriores, NumPy, una potente biblioteca de Python, nos ofrece herramientas para crear y manipular datos de manera eficiente. En este contexto, crearemos dos matrices, cada una repleta de 1000 números generados aleatoriamente, siguiendo una distribución normal.
La primera matriz estará caracterizada por una media de
5.0
y una desviación estándar de
1.0
. En contraste, la segunda matriz presentará una media de
10.0
y una desviación estándar de
2.0
. Estos datos aleatorios pueden ser fundamentales para experimentar con algoritmos y modelos en el mundo del Machine Learning.
Ejemplo
# Agregar título al gráfico
plt.title('Diagrama de Dispersión')
# Mostrar el gráfico
plt.show()
# Mostrar el gráfico
plt.show()
Este sería el resultado del ejemplo anterior:
Practica Diagrama de dispersión con Python en el editor
Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.
Ejercicio: Agregar título al gráfico
Puedes revisar el siguiente ejemplo para crear un diagrama de dispersión.
Ejemplo
# Agregar título al gráfico
plt.title('Diagrama de Dispersión')
# Mostrar el gráfico
plt.show()
Ejercicio: Crear un array NumPy
La primera matriz estará caracterizada por una media de 5.0 y una desviación estándar de 1.0 . En contraste, la segunda matriz presentará un.