Adding MatPlotLib

Author: valenfiumana

Cheatsheets/img/Annotations_all.png

@@ -266,13 +266,4 @@ df[-500:].plot.line(x='time', y='km')
 
 plt.show()
 ```
-```python
-
-```
-```python
-
-```
-```python
-
-```
 

Cheatsheets/img/Annotations_arrow.png

@@ -0,0 +1,88 @@
+# Week 09
+Temas vistos en los ejercicios de esta semana:
+* Plot
+* 
+
+## Homework
+### Ejercicio 1 - Arbolado
+#### Descripcion
+Vamos utilizar el archivo 'arbolado-en-espacios-verdes.csv' 
+1. Realizar un gráfico de puntos que relacione las alturas con los diámetros para las especies (nombre_com) 'Ombú', 'Ceibo' y 'Acacia'. ¿Mantienen todos ellos la misma relación?
+2. Para las 10 especies de origen exótico con mayor número de ejemplares estudiar las distribuciones de altura, discriminando por especie en diferentes subplots.
+3. Modificar el programa para que guarde el grafico realizado en el punto 1 en un archivo PDF y el del punto 2 en un archivo JPG.
+
+#### What's in here
+* 
+
+[Solución](./Weeks/Week09/1_arbolado.py)
+
+### Ejercicio 2 - Graficos
+#### Descripcion
+Modificá el siguiente código para reproducir el gráfico que se muestra. Prestá atención a cómo se numeran los subplots.
+
+![img.png](img/graph_ex2.png)
+
+```python
+import matplotlib.pyplot as plt
+
+fig = plt.figure()
+plt.subplot(2, 1, 1) # define la figura de arriba
+plt.plot([0,1,2],[0,1,0]) # dibuja la curva 
+plt.xticks([]), plt.yticks([]) # saca las marcas
+
+plt.subplot(2, 2, 3) # define la primera de abajo, que sería la tercera si fuera una grilla regular de 2x2
+plt.plot([0,1],[0,1])
+plt.xticks([]), plt.yticks([])
+
+plt.subplot(2, 2, 4) # define la segunda de abajo, que sería la cuarta figura si fuera una grilla regular de 2x2
+plt.plot([0,1],[1,0])
+plt.xticks([]), plt.yticks([])
+
+plt.show()
+```
+#### What's in here
+* 
+
+[Solución](./Weeks/Week09/2_graficos.py)
+
+### Ejercicio 3 - Distancias
+Teniendo en cuenta las distancias de los planetas al Sol - que son en unidades relativas, la distancia Tierra-Sol es 1 (unidades astronómicas), los periodos de sus órbitas (cuanto tardan en dar la vuelta al Sol, en años) y los nombres de los planetas:
+
+* Plotear los períodos vs las distancias de los planetas como puntos y en una escala doble logarítmica (log X, log Y)
+* Escribir el nombre del planeta cerca del punto correspondiente a ese planeta en el plot (puntos adicionales si el texto no se superpone y se lee claro, más puntos adicionales si usan flechas)
+* Trazar dos líneas punteadas (una vertical, una horizontal) que se crucen en el punto de la Tierra en el gráfico.
+
+```python
+distancias = [0.39, 0.72, 1.00, 1.52, 5.20, 9.54, 19.22, 30.06, 39.48]
+
+periodos = [0.24, 0.62, 1.00, 1.88, 11.86, 29.46, 84.01, 164.8, 248.09]
+
+planetas = ["Mercurio", "Venus", "Tierra", "Marte", "Jupiter", "Saturno", 
+            "Urano", "Neptuno", "Plutón"]
+```
+
+
+#### What's in here
+* 
+[Solución](./Weeks/Week09/3_distancias.py)
+
+### Ejercicio 4 - Clima
+#### Descripcion
+Bajar los datos de temperaturas globales promedio del aire, de este sitio: https://raw.githubusercontent.com/sbu-python-summer/python-tutorial/master/day-4/nasa-giss.txt
+
+(los datos son de la NASA: https://data.giss.nasa.gov/gistemp/graphs/)
+
+Hay 3 columnas con datos: el año, el cambio de temperatura (No-smoothing = no suavizado), y una representación suavizada del cambio de temperatura (Lowess).
+
+Consigna:
+
+Leer estos datos usando Pandas – ojo que no son csv, ni tsv, son de ancho fijo! Tip: ver pd.read_fwf()
+Plotear la representación suavizada del cambio de temperatura como una línea
+Plotear los datos de cambio de temperatura como puntos
+Colorear los puntos en azul si son negativos (< 0) y rojos si son positivos (>=0).
+
+#### What's in here
+* 
+
+[Solución](./Weeks/Week09/4_clima.py)
+

Cheatsheets/img/Annotations_styles.png

@@ -0,0 +1,54 @@
+# Vamos utilizar el archivo 'arbolado-en-espacios-verdes.csv'
+# 1. Realizar un gráfico de puntos que relacione las alturas con los diámetros para las especies (nombre_com) 'Ombú', 'Ceibo' y 'Acacia'. ¿Mantienen todos ellos la misma relación?
+# 2. Para las 10 especies de origen exótico con mayor número de ejemplares estudiar las distribuciones de altura, discriminando por especie en diferentes subplots.
+# 3. Modificar el programa para que guarde el grafico realizado en el punto 1 en un archivo PDF y el del punto 2 en un archivo JPG.
+
+import pandas as pd
+import matplotlib.pyplot as plt
+
+df = pd.read_csv('../../../Data/arbolado-en-espacios-verdes.csv')
+#df.info()
+
+# 1.
+# Filtrar los datos por especies 'Ombú', 'Ceibo' y 'Acacia'
+especies = ['Ombú', 'Ceibo', 'Acacia']                # Lista de valores deseados
+df_especies = df[df['nombre_com'].isin(especies)]     # Filtro
+
+
+plt.figure(figsize=(8, 6))
+
+for especie in especies: # Loop para graficar cada espeie con un color distinto y darle el nombre en la leyenda
+    df_especie = df_especies[df_especies['nombre_com'] == especie]
+    plt.scatter(df_especie['altura_tot'], df_especie['diametro'], label=especie)
+
+plt.xlabel('Altura Árbol (m)')
+plt.ylabel('Diámetro Árbol (cm)')
+plt.title('Alturas vs Diámetros de Árboles por Especie')
+plt.legend()
+#plt.savefig('alturas_diametros_especies.pdf')  # Guardar el gráfico en un archivo PDF
+plt.show()
+
+# 2.
+# Filtrar por especies de origen exótico
+especies_exoticas = df[df['origen'] == 'Exótico']
+
+# Obtener las 10 especies con mayor número de ejemplares
+especies_top10 = especies_exoticas['nombre_com'].value_counts().head(10).index.tolist() # el índice de ese output son los nombres
+
+# Crear subplots para cada especie
+fig, axes = plt.subplots(nrows=5, ncols=2, figsize=(12, 18)) # en total son 10, por eso 5 rows y 2 cols
+axes = axes.flatten()
+
+# Iterar sobre las especies y generar los gráficos en los subplots
+for i, especie in enumerate(especies_top10):
+    ax = axes[i]
+    datos_especie = especies_exoticas[especies_exoticas['nombre_com'] == especie]
+    ax.hist(datos_especie['altura_tot'], bins=20, color='skyblue')
+    ax.set_title(especie)
+    ax.set_xlabel('Altura (m)')
+    ax.set_ylabel('Frecuencia')
+
+# Ajustar espacio entre subplots y mostrar el gráfico
+plt.tight_layout()
+# plt.savefig('grafico_exoticas.jpg', dpi=300)   # 3. Guardar el gráfico en un archivo JPG
+plt.show()

Cheatsheets/img/Annotations_vlines.png

@@ -0,0 +1,22 @@
+# Modificá el siguiente código para reproducir el gráfico que se muestra. Prestá atención a cómo se numeran los subplots.
+
+import matplotlib.pyplot as plt
+
+fig = plt.figure()
+plt.subplot(2, 1, 1) # define la figura de arriba
+plt.plot([0,1,2],[0,1,0]) # dibuja la curva
+plt.xticks([]), plt.yticks([]) # saca las marcas
+
+plt.subplot(2, 3, 4) # 4 porque seria la cuarta en grilla de 3x3
+plt.plot([0,1],[0,1])
+plt.xticks([]), plt.yticks([])
+
+plt.subplot(2, 3, 5) # 5 porque sería la quinta en grilla de 3x3
+plt.plot([0,1],[0.5,0.5])
+plt.xticks([]), plt.yticks([])
+
+plt.subplot(2, 3, 6) # 6 porque sería la sexta en grilla de 3x3
+plt.plot([0,1],[1,0])
+plt.xticks([]), plt.yticks([])
+
+plt.show()

Cheatsheets/img/Annotations_ylim.png

@@ -0,0 +1,54 @@
+# Teniendo en cuenta las distancias de los planetas al Sol - que son en unidades relativas, la distancia Tierra-Sol es 1 (unidades astronómicas), los periodos de sus órbitas (cuanto tardan en dar la vuelta al Sol, en años) y los nombres de los planetas:
+#
+# * Plotear los períodos vs las distancias de los planetas como puntos y en una escala doble logarítmica (log X, log Y)
+# * Escribir el nombre del planeta cerca del punto correspondiente a ese planeta en el plot (puntos adicionales si el texto no se superpone y se lee claro, más puntos adicionales si usan flechas)
+# * Trazar dos líneas punteadas (una vertical, una horizontal) que se crucen en el punto de la Tierra en el gráfico.
+
+import matplotlib.pyplot as plt
+import numpy as np
+
+distancias = np.array([0.39, 0.72, 1.00, 1.52, 5.20, 9.54, 19.22, 30.06, 39.48])
+periodos = np.array([0.24, 0.62, 1.00, 1.88, 11.86, 29.46, 84.01, 164.8, 248.09])
+planetas = ["Mercurio", "Venus", "Tierra", "Marte", "Jupiter", "Saturno",
+            "Urano", "Neptuno", "Plutón"]
+
+fig, ax = plt.subplots()
+ax.scatter(distancias, periodos, facecolor="olive", edgecolor="grey")
+ax.set_xlabel("Distancias relativas a la tierra")
+ax.set_ylabel("Periodos (años)")
+ax.set_xscale("log")
+ax.set_yscale("log")
+
+# agrandamos un poco el rango del eje Y para hacer lugar al texto
+ax.set_ylim(1, 1000)
+# fijo el rango del eje x
+ax.set_xlim(1, 50)
+
+# lineas que se cruzan con eje en la tierra: uso los valores máximos de los ejes para que las líneas atraviesen todo el gráfico
+ax.vlines(1, color="grey", ymin=0, ymax=1000, linestyle="dashed", alpha=0.5)
+ax.hlines(1, color="grey", xmin=0, xmax=50, linestyle="dashed", alpha=0.5)
+
+# hacemos un loop para agregar anotaciones
+for i in range(len(planetas)):
+    # movemos el texto un poco para que el texto no se superponga
+    xtext = distancias[i] - (distancias[i] * 0.2)  # lo corremos 20% a la izquierda
+    ytext = periodos[i] + (periodos[i] * 1.2)  # lo corremos 120% hacia arriba
+    # agregamos las anotaciones
+    ax.annotate(planetas[i], xy=(distancias[i], periodos[i]), xytext=(xtext, ytext),
+                size=7, arrowprops=dict(shrink=0.2, width=2, headwidth=7, headlength=4, facecolor="tab:purple"))
+
+    # anotaciones explicadas con comentarios
+    # ax.annotate(
+    #  planetas[i],                     # <=== el texto
+    #  xy=(distancias[i], periodos[i]), # <=== el punto que es el ancla/foco (las coordenadas de los puntos del scatter)
+    #  xytext=(xt,yt),                  # <=== la posicion del texto
+    #  size=7,                          # <=== tamaño del texto
+    #  arrowprops=dict(
+    #    shrink=0.05,     # <=== achicamos la flecha esta fraccion de la longitud total (de ambos lados)
+    #    width=3,         # <=== el ancho de la flecha (en puntos)
+    #    headwidth=7,     # <=== el ancho de la cabeza de la flecha (en puntos)
+    #    headlength=4,    # <=== la longitud de la cabeza de la flecha (en puntos)
+    #    facecolor="") # retocamos la flecha con este diccionario de propiedades de flecha(arrowprops)
+    #  )
+
+plt.show()

Cheatsheets/img/Figure_1.png

@@ -0,0 +1,42 @@
+# Leer estos datos usando Pandas – ojo que no son csv, ni tsv, son de ancho fijo! Tip: ver pd.read_fwf()
+# Plotear la representación suavizada del cambio de temperatura como una línea
+# Plotear los datos de cambio de temperatura como puntos
+# Colorear los puntos en azul si son negativos (< 0) y rojos si son positivos (>=0).
+
+# usando pandas
+
+import pandas as pd
+
+url = 'https://raw.githubusercontent.com/sbu-python-summer/python-tutorial/master/day-4/nasa-giss.txt'
+# leemos el archivo directamente con pandas
+# fwf = fixed-width format (columnas delimitadas por espaciamiento fijo)
+df = pd.read_fwf(url, index_col=0, skiprows=8, header=None)   # index_col = 0 hace que tengamos dicha columna como índice
+                                                              #skip_rows ignora ese número de filas antes de los datos
+                                                              #header= None evita que use la primera fila de datos como nombres de las columnas
+
+df.rename(columns={1: "Temperatura", 2: "Lowess"}, inplace=True) #renombro las columnas en la misma variable con inplace=True
+#print(df.head(5))
+#print(len(df.index))
+
+#Generamos dos subconjuntos para luego plotearlos de distintos colores
+# temperaturas positivas
+pos = df[ df['Temperatura'] >= 0]
+# temperaturas negativas
+neg = df[ df['Temperatura'] < 0]
+
+import matplotlib.pyplot as plt
+
+fig, ax = plt.subplots()
+
+# ploteamos como puntos las temperaturas no-suavizadas
+# positivas en rojo
+ax.scatter(pos.index, pos["Temperatura"], color="tab:red")
+# negativas en azul
+ax.scatter(neg.index, neg["Temperatura"], color="tab:blue")
+
+# ploteamos como linea las temperaturas suavizadas
+ax.plot(df.index, df["Lowess"], color="black", linewidth=3)
+
+# agregamos algunas etiquetas para decorar
+ax.set_xlabel("Años")
+ax.set_ylabel("Cambio de Temperatura (°C)")

Cheatsheets/img/Figure_2.png

@@ -15,6 +15,7 @@ Here is a list of the topics covered in the exercises:
 4. [Files management, csv, Functions](./Exercises/05.md)
 5. [Numpy, functions](./Exercises/06.md)
 7. [Panda](./Exercises/08.md)
+8. [Matplotlib, ](./Exercises/09.md)
 
 ### Cheatsheets
 I've also created a [directory](./Cheatsheets) with cheatsheets that cover the theory I've learned. 
@@ -24,6 +25,7 @@ I've also created a [directory](./Cheatsheets) with cheatsheets that cover the t
 * [Numpy](./Cheatsheets/numpy.md)
 * [Functions](./Cheatsheets/functions.md)
 * [Panda](./Cheatsheets/pandas.md)
+* [Matplotlib](./Cheatsheets/matplotlib.md)
 
 ### Conclusion
 Whether you are a beginner just starting out with Python or an experienced programmer looking to improve your skills, these exercises can be a valuable resource to help you practice and deepen your understanding of the language.