Contar una historia convincente con datos se vuelve mucho más fácil cuando los gráficos que respaldan esa historia son claro, Autoexplicativo y visualmente agradable a la audiencia.
En muchos casos, el fondo y la forma son igualmente importantes.
Los datos excelentes mal presentados no captarán la atención que merecen, mientras que los datos deficientes presentados de manera hábil serán fácilmente desacreditados.
Espero que esto resuene en muchos analistas de datos, o en cualquiera que haya tenido que presentar un gráfico frente a una audiencia una vez en su vida.
Matplotlib hace que sea rápido y fácil trazar datos con funciones listas para usar, pero los pasos de ajuste requieren más esfuerzo.
Pasé bastante tiempo investigando las mejores prácticas para crear gráficos atractivos con Matplotlib, para que usted no tenga que hacerlo.
En este artículo me centro en gráficos de áreas apiladas y explico cómo uní los fragmentos de conocimiento que encontré aquí y allá para llegar a esto…
… a ese:
Todas las imágenes, a menos que se indique lo contrario, son del autor.
Para ilustrar la metodología, utilicé un conjunto de datos públicos que contiene detalles sobre cómo los EE. UU. producen su electricidad y que se pueden encontrar aquí: https://ourworldindata.org/electricity-mix.
Además de ser un excelente conjunto de datos para ilustrar gráficos de áreas apiladas, también lo encontré muy revelador.
Fuente: Ember — Datos anuales de electricidad (2023); Ember: Revisión europea de la electricidad (2022); Instituto de Energía: Revisión estadística de la energía mundial (2023)
URL de licencia: https://creativecommons.org/licenses/by/4.0/
Tipo de licencia: CC BY-4.0