NumPy y Matplotlib: cálculo y gráficos en Python

NumPy: por qué existe

Python trae listas, y las listas son flexibles y lentas. Para cálculo numérico con miles o millones de valores, esa lentitud importa.

NumPy resuelve eso con el array: una estructura donde todos los elementos son del mismo tipo, guardados de forma contigua en memoria. Eso permite que las operaciones se hagan de golpe sobre toda la estructura, en código optimizado por debajo.

import numpy as np

precios = np.array([100, 250, 80, 400])
con_igv = precios * 1.18       # multiplica los cuatro de una vez
print(con_igv)

Si los bucles, las listas y los tipos de dato todavía no te resultan familiares, empieza por la sintaxis de Python desde cero.

Fíjate en lo que no hay: no hay bucle. Con una lista normal tendrías que recorrer elemento por elemento. Eso se llama vectorización y es la idea central de NumPy.

Su importancia real es que pandas está construido encima de NumPy, igual que scikit-learn y prácticamente todo el ecosistema científico. Aunque no lo uses directamente todos los días, está debajo de todo lo que sí usas.

NumPy y pandas: cuál para qué

La regla simple: si tus datos tienen columnas con nombre y tipos distintos, usa pandas. Si son números puros y necesitas cálculo, usa NumPy.

En la práctica trabajan juntos: haces el análisis en pandas y, cuando necesitas una operación matemática sobre una columna, por dentro se ejecuta NumPy sin que te enteres.

Lo básico de NumPy

a = np.array([1, 2, 3, 4, 5])

a.mean()      # promedio
a.std()       # desviación estándar
a.sum()       # suma
a.max()       # máximo

matriz = np.array([[1, 2], [3, 4]])
matriz.shape        # (2, 2)
matriz.reshape(4, 1)   # cambia la forma sin cambiar los datos

Los arrays pueden tener varias dimensiones. Uno de una dimensión es una lista de números; uno de dos es una matriz; y de ahí para arriba. En machine learning se trabaja rutinariamente con arrays de tres o más dimensiones.

Una función que se usa mucho al preparar datos para modelos es reshape, que reorganiza la forma sin alterar los valores. Muchos errores de scikit-learn del tipo "esperaba una forma distinta" se resuelven con un reshape.

Matplotlib: el gráfico en tres líneas

import matplotlib.pyplot as plt

plt.bar(["Lima", "Arequipa", "Cusco"], [1200, 800, 500])
plt.title("Ventas por ciudad")
plt.show()

Los cuatro tipos que cubren casi todo:

Elegir mal el gráfico hace que un dato correcto comunique algo falso. La guía completa de cuándo usar cada uno está en el post de estadística descriptiva, y aplica igual sin importar la herramienta.

Para el flujo completo de análisis antes de graficar, la guía es pandas para análisis de datos, y para ejecutarlo sin instalar nada, Google Colab.

Un atajo que ahorra tiempo: pandas puede graficar directamente sin pasar por Matplotlib explícitamente.

df.groupby("ciudad")["total"].sum().plot(kind="bar")

Seaborn: menos código, mejor resultado

Seaborn está construida encima de Matplotlib y hace dos cosas: produce gráficos que se ven bien por defecto, y trae directamente los gráficos estadísticos que en Matplotlib habría que armar a mano.

import seaborn as sns

sns.boxplot(data=df, x="ciudad", y="total")
sns.heatmap(df.corr(), annot=True)

Esa segunda línea es la que más uso: dibuja un mapa de calor de la matriz de correlación entre todas las variables numéricas, con los valores escritos encima. Es lo primero que miro al explorar un conjunto de datos nuevo, y en Matplotlib puro tomaría bastante más trabajo.

La forma práctica de usarlas: Seaborn para explorar rápido, Matplotlib cuando necesitas control fino sobre cada detalle del gráfico final. Y como Seaborn devuelve objetos de Matplotlib, puedes empezar con una y afinar con la otra.

Preguntas frecuentes

Escrito por

Gera Flores (Miss Yera)

Consultora y experta en IA

Agenda 30 min con Gera Ver bio completa