Diferencias

Muestra las diferencias entre dos versiones de la página.

--- indice:uba:ingenieria:uba-xxi:pensamiento-computacional:guias-y-resueltos:guia-8 [2025/05/26 23:53] – creado upadmin
+++ indice:uba:ingenieria:uba-xxi:pensamiento-computacional:guias-y-resueltos:guia-8 [2025/06/07 21:36] (actual) – upadmin
@@ Línea 1: / Línea 1: @@
 ====== Guía 8 ======
+  * {{ :indice:uba:ingenieria:uba-xxi:pensamiento-computacional:guias-y-resueltos:guia_de_ejercicios_n_8.docx.pdf |Guía de Ejercicios Nro 8}}
+  * {{ :indice:uba:ingenieria:uba-xxi:pensamiento-computacional:guias-y-resueltos:consignas_en_codigo_-_matplotlib.py |Consignas en Código - Guía de Ejercicios Nro 8}}
+===== Resueltos =====
+<file python resueltos_guia_8.py>
+### Práctica Matplotlib
+"""En el presente archivo se pondrán en práctica los conocimiento para visualizar datos de manera correcta.
+Por ese motivo, se verán líneas de código completas y otras para completar en función de lo que el estudiante desea analizar.
+Es decir, las figuras se dejan a modo de ejemplo y de referencia para resolver los ejercicios, pero no tienen que ser exactamente igual a la de los alumnos."""
+##Primero, se importan las librerías que se usarán:
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+## Ejercicio de tipo de gráficos.
+"""Para realizar este ejercicio, debemos importar la información del PBI per cápita de los distintos países, a lo largo de un período que abarca desde 1952 y 2007."""
+# Importo la información
+url = "https://raw.githubusercontent.com/plotly/datasets/master/gapminder_with_codes.csv"
+data = pd.read_csv(url)
+# Modificar el tipo de dato:
+data['year'] = data['year'].astype("int")
+print(data.head()) #Sino se aclara toma 5 primeras filas.
+data.info()
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 1:
+""" Elije un año en el que desees ver la relación entre la expectativa de vida de los habitantes (columna `lifeExp`) y el PBI per cápita de los habitantes (columna gdpPercap)"""
+# Modifica este valor
+# =========== Código de alumno ===============
+year = 1972
+# ============================================
+data_year = data[data["year"] == year]
+print(data_year.head())
+"""Realiza un gráfico de puntos que muestre la relación entre la expectativa de vida (columna `lifeExp`) y el PBI per cápita de los habitantes (columna gdpPercap).
+El gráfico debe tener:
+- Título apropiado
+- Nombre y unidades de los ejes cartesianos
+- Marcador de tipo triangular y color "#23A763"
+- Grilla
+"""
+fig, ax = plt.subplots()
+# =========== Código de alumno ===============
+plt.xlabel("PBI per cápita")
+plt.ylabel("Expectativa de vida")
+plt.title("Relacion PBI per Capita - Esperanza de Vida")
+plt.scatter(data_year["gdpPercap"], data_year["lifeExp"],color='#23A763',marker="^")
+plt.grid()
+# ============================================
+plt.show()
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 2:
+"""Creamos un nuevo DataFrame con la información de la Argentina únicamente """
+data_arg = data[data["country"] == "Argentina"]
+print(data_arg.head())
+"""Realiza un gráfico de línea que muestre el PBI per cápita de los habitantes de Argentina (columna gdpPercap) a lo largo del tiempo:
+El gráfico debe tener:
+- Título apropiado
+- Nombre y unidades de los ejes cartesianos
+- Linea sólida, espesor 2.2 y color "#30BFDE"
+- Grilla
+"""
+fig, ax = plt.subplots()
+# =========== Código de alumno ===============
+plt.xlabel("Año")
+plt.ylabel("PBI per Capita")
+plt.title("Evolucion PBI per Capita Argentino")
+plt.plot(data_arg["year"], data_arg["gdpPercap"],linestyle="-", linewidth=2.2, color='#30BFDE')
+plt.grid()
+# ============================================
+plt.show()
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 3:
+"""A continuación verá todos los países de los que poseemos información. Elije uno que no sea nuestro país y luego, crea un nuevo DataFrame."""
+print(data["country"].unique())
+# =========== Código de alumno ===============
+country = "Nicaragua"
+# ============================================
+data_country = data[data["country"] == country]
+print(data_country.head())
+"""Realiza un gráfico de línea que muestre el PBI per cápita de los habitantes de Argentina (columna gdpPercap) a lo largo del tiempo y del país escogido anteriormente:
+El gráfico debe tener:
+- Título apropiado
+- Nombre y unidades de los ejes cartesianos
+- Linea sólida, espesor 2.2 y color "#30BFDE" para la curva de nuestro país.
+- Linea sólida, espesor 2.2 y color "#1E92E3" para la curva del nuevo país.
+- Referencias
+- Grilla
+"""
+fig, ax = plt.subplots()
+# =========== Código de alumno ===============
+plt.xlabel("Año")
+plt.ylabel("PBI per Capita")
+plt.title("Evolucion PBI per Capita - Argentina vs Nicaragua")
+plt.plot(data_arg["year"], data_arg["gdpPercap"],linestyle="-", linewidth=2.2, color='#30BFDE', label="Argentina")
+plt.plot(data_country["year"], data_country["gdpPercap"],linestyle="-", linewidth=2.2, color='#1E92E3', label="Nicaragua")
+ax.legend()
+plt.grid()
+# ============================================
+plt.show()
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 4:
+"""A continuación vamos a agrupar PBI per capita por continente."""
+data_continent = data[['continent', 'gdpPercap']]
+data_continent = data_continent.groupby(['continent']).agg('sum')
+print(data_continent)
+"""Realiza un gráfico de torta la proporción del PBI per cápita de los habitantes de cada continente (columna gdpPercap).
+El gráfico debe tener:
+- Título apropiado
+- Cada parte con el nombre del continente y el porcentaje redondeado a las décimas.
+- El color de cada parte será:
+  - América: "#30BFDE"
+  - Asia: "#E31E4B"
+  - África: "#E36F1E"
+  - Oceanía: "#1EE39B"
+  - Europa: "#1E92E3"
+"""
+fig, ax = plt.subplots()
+# =========== Código de alumno ===============
+continentes = data_continent.index.tolist()
+print(continentes)
+plt.title("PBI per Capita - Por continente")
+plt.pie(data_continent["gdpPercap"], labels=continentes, autopct='%1.1f%%', colors=["#E36F1E", "#30BFDE", "#E31E4B", "#1E92E3", "#1EE39B"])
+# ============================================
+plt.show()
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 5:
+"""Elije un continente el cual te gustaría analizar con más detalle: """
+# =========== Código de alumno ===============
+continent = "Americas"
+# ============================================
+data_one_continent = data[data["continent"] == continent]
+data_one_continent = data_one_continent[['country', 'gdpPercap']]
+data_one_continent = data_one_continent.groupby(['country']).agg('sum')
+data_one_continent = data_one_continent.sort_values(by=['gdpPercap'])
+print(data_one_continent[['gdpPercap']])
+"""Realiza un gráfico de barras horizontales que muestre el PBI per cápita de los habitantes del continente escogido (columna gdpPercap).
+El gráfico debe tener:
+- Título apropiado
+- Nombre y unidades de los ejes cartesianos en caso de ser necesario
+- Nombre de los paises al lado de cada barra
+- Grilla con líneas verticales únicamente, color "#CDD7DA" y línea discontinua.
+"""
+fig, ax = plt.subplots()
+# =========== Código de alumno ===============
+print(data_one_continent.index)
+paises = data_one_continent.index.tolist()
+print(paises)
+plt.xlabel("PBI per Capita")
+plt.ylabel("Pais")
+plt.title("PBI per Capita - Paises en America")
+plt.barh(paises, data_one_continent["gdpPercap"])
+ax.grid(axis = 'x', color = "#CDD7DA", linestyle = 'dashed')
+# ============================================
+plt.show()
+## Ejercicio de grillas:
+"""Para este ejercicio, vamos a crear valores aleatorios, que serán contenidos en un DataFrame que llamaremos `df`:"""
+np.random.seed(0)
+df = pd.DataFrame(data={'a':np.random.randint(0, 100, 50),
+                        'b':np.random.randint(0, 100, 50),
+                        'c':np.random.randint(0, 100, 50),
+                        'd':np.random.randint(0, 100, 50)})
+print(df.head())
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 6:
+"""Vamos a crear una grilla de 4 gráficos de línea, en la que los ejes x va a contener los valores del índice `df.index.values`, mientras que los ejes y, los valores de las columnas a, b, c y d.
+La figura debe tener:
+- 2 filas y 2 columas
+- Tamaño de figura de una altura de 8 y un ancho de 15.
+- Nombre de los ejes y referencia en cada gráfico
+- Grilla
+- La siguiente posición de gráficos:
+  - Los valores A en la parte superior izquierda, color `green`
+  - Los valores B en la parte superior derecha, color `red`
+  - Los valores C en la parte inferior izquierda, color `magenta`
+  - Los valores D en la parte inferior derecha, color `blue`
+"""
+# =========== Código de alumno ===============
+fig, ax = plt.subplots(figsize=(15, 8), nrows=2, ncols=2)
+fig.suptitle("Análisis de valores aleatorios por columna", fontsize=16, y=0.98) #titulo general
+fig.subplots_adjust(wspace=0.5, hspace=0.5) # Con esto indicamos el espacio libre entre los subplots
+ax[0, 0].plot(df.index.values, df["a"], color = "green", label="Serie A")
+ax[0, 1].plot(df.index.values, df["b"], color = "red", label="Serie B")
+ax[1, 0].plot(df.index.values, df["c"], color = "magenta", label="Serie C")
+ax[1, 1].plot(df.index.values, df["d"], color = "blue", label="Serie D")
+ax[0,0].set_xlabel("Columna a")
+ax[0,1].set_xlabel("Columna b")
+ax[1,0].set_xlabel("Columna c")
+ax[1,1].set_xlabel("Columna d")
+ax[0,0].set_ylabel("Numeros Aleatorios")
+ax[0,1].set_ylabel("Numeros Aleatorios")
+ax[1,0].set_ylabel("Numeros Aleatorios")
+ax[1,1].set_ylabel("Numeros Aleatorios")
+ax[0, 0].set_title("Gráfico de la columna A", fontsize=12)
+ax[0, 1].set_title("Gráfico de la columna B", fontsize=12)
+ax[1, 0].set_title("Gráfico de la columna C", fontsize=12)
+ax[1, 1].set_title("Gráfico de la columna D", fontsize=12)
+ax[0, 0].legend()
+ax[0, 1].legend()
+ax[1, 0].legend()
+ax[1, 1].legend()
+ax[0, 0].grid()
+ax[0, 1].grid()
+ax[1, 0].grid()
+ax[1, 1].grid()
+plt.show()
+# ============================================
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+#------------------------------------------------------------------------------------------------------------------------------
+print()
+#Ejercicio 7:
+"""Vamos a crear una grilla de 2 gráficos: uno de línea y otro de puntos, siendo los ejes x los valores del índice `df.index.values`, mientras que los ejes y, los valores de las columnas a, b, c y d.
+La figura debe tener:
+- 2 filas y 1 columa
+- Tamaño de figura de una altura de 8 y un ancho de 15.
+- Título de cada gráfico
+- Referencias
+- Grilla
+- La siguiente posición de gráficos:
+  - Los valores A Y B en la parte superior, en un gráfico de línea, color `green` y `red`, tipo de línea sólida y discontinua respectivamente.
+  - Los valores C Y D en la parte inferior, en un gráfico de puntos, color `magenta` y `blue`, marcador circular y triangulo invertido respectivamente.
+"""
+# =========== Código de alumno ===============
+fig, ax = plt.subplots(figsize=(15, 8), nrows=2, ncols=1)
+fig.suptitle("Análisis de valores aleatorios por columna", fontsize=16, y=0.98) #titulo general
+fig.subplots_adjust(wspace=0.5, hspace=0.5) # Con esto indicamos el espacio libre entre los subplots
+ax[0].plot(df.index.values, df["a"], color = "green", label="Serie A")
+ax[0].plot(df.index.values, df["b"], color = "red", linestyle="--" , label="Serie B")
+ax[1].scatter(df.index.values, df["c"], color = "magenta", label="Serie C")
+ax[1].scatter(df.index.values, df["d"], color = "blue", marker="v" , label="Serie D")
+ax[0].set_xlabel("Indice")
+ax[1].set_xlabel("Indice")
+ax[0].set_ylabel("Numeros Aleatorios")
+ax[1].set_ylabel("Numeros Aleatorios")
+ax[0].set_title("Gráfico de las columnas A y B", fontsize=12)
+ax[1].set_title("Gráfico de las columnas C y D", fontsize=12)
+ax[0].legend()
+ax[1].legend()
+ax[0].grid()
+ax[1].grid()
+plt.show()
+# ============================================
+</file>