Aprender Matplotlib Integraciones y producción

El módulo de integraciones y producción cubre cómo llevar Matplotlib más allá del análisis exploratorio: integración con las bibliotecas del ecosistema científico de Python y exportación de gráficos para publicaciones, aplicaciones web e informes automatizados.

Integración con NumPy

NumPy y Matplotlib nacieron juntos. Los arrays de NumPy son la estructura de datos nativa de Matplotlib:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 500)
y = np.sin(x) * np.exp(-x / 10)

plt.plot(x, y)
plt.title('Onda amortiguada con NumPy + Matplotlib')
plt.show()

Integración con Pandas

Pandas tiene métodos integrados de visualización que usan Matplotlib como motor:

import pandas as pd

df = pd.DataFrame({
    'Producto': ['A', 'B', 'C', 'D'],
    'Ventas': [120, 85, 150, 95]
})

df.plot(kind='bar', x='Producto', y='Ventas', legend=False, figsize=(8, 5))
plt.title('Ventas por producto')
plt.tight_layout()
plt.show()

Exportación de gráficos

fig.savefig('grafico.png', dpi=150, bbox_inches='tight')
fig.savefig('grafico.pdf', bbox_inches='tight')
fig.savefig('grafico.svg', bbox_inches='tight')
fig.savefig('grafico.png', transparent=True, bbox_inches='tight')

PDF multipágina

from matplotlib.backends.backend_pdf import PdfPages

with PdfPages('informe.pdf') as pdf:
    for fig in lista_de_figuras:
        pdf.savefig(fig)
        plt.close(fig)

LaTeX en gráficos

ax.set_title(r'$E = mc^2$ — Einstein')
ax.set_xlabel(r'$x \in \mathbb{R}$')
ax.legend([r'$\sin(x)$', r'$\cos(x)$'])

Entornos de producción

| Entorno | Integración | Método | |---------|-------------|--------| | Jupyter Notebook | Native | %matplotlib inline | | Streamlit | st.pyplot(fig) | Incrustar directamente | | Flask/Django | Base64 o archivo | fig.savefig(buf, format='png') | | Scripts batch | Backend Agg | matplotlib.use('Agg') |