En uno de nuestros artículos, específicamente 10 razones para usar Python en tu próximo proyecto de investigación, se da un recorrido por las ventajas que brinda el lenguaje de programación Python, de allí podemos extraer algunas de sus características tales como:

• Python es un lenguaje de alto nivel, es decir, es un lenguaje de programación muy intuitivo, diseñado de forma tal que el código escrito sea fácil de leer y entender.
• Con pocas líneas de código se pueden hacer diversas actividades.
• Es multiplataforma, indicando que se puede ejecutar en distintos sistemas operativos, como: Windows, Linux o Mac OS.
• Existe una gran cantidad de recursos y apoyo disponibles sobre este lenguaje, a través de grupos de consulta y foros de discusión.
• Posee un número importante de bibliotecas que reciben mantenimiento y apoyo regular por parte de desarrolladores y usuarios. Estas bibliotecas son utilizadas en diversos campos como la estadística y la ciencia de datos.

Tenemos entonces que Python es un lenguaje con características ideales para llevar a cabo proyectos en muchas áreas, cuenta con elementos que lo hacen potente para manipular grandes cantidades de datos y se han desarrollado herramientas que posibilitan, facilitan y hacen su uso más dinámico. En este artículo nos enfocaremos principalmente en describir algunas de las herramientas de visualización sobre este lenguaje; cuando nos referimos a visualización se hace alusión al hecho de ver, observar o captar a través de un gráfico lo que está sucediendo y no vemos a simple vista en los datos.

Una de las principales herramientas de visualización son las bibliotecas destinadas a ello. Las bibliotecas de visualización son estructuras de código formalmente distribuidas de manera tal que la podemos descargar y utilizar en nuestros proyectos en el que empleamos Python. Las principales ventajas de estas bibliotecas reside en el ahorro de tiempo y el uso de pocas líneas de código al momento de programar. Al ser bibliotecas de visualización nos permiten crear, mostrar y editar uno o varios gráficos a la vez. Recuerda que, en algunos textos encontraremos la palabra librería en vez de biblioteca, se pudiesen usar como sinónimos.

Algunas de las bibliotecas más populares en Python para este caso son:

• matplotlib: Es una biblioteca de visualización que permite realizar visualizaciones estáticas, animadas e interactivas en Python. Con ella se pueden generar gráficos de barras, histogramas, espectros de potencia, stemplots, scatterplots, gráficos de error, gráficos circulares y muchos otros. En su sitio oficial de Internet hay una serie de tutoriales y ejemplos de lo que podemos hacer con ella.

• seaborn: Al igual que matplotlib, es una biblioteca que brinda grandes opciones para realizar gráficos. De hecho, esta biblioteca está basada en matplotlib. La diferencia principal se encuentra en sus estilos y paletas de colores que son más estéticos y visualmente atractivos.

• Bokeh: Es una biblioteca de visualización muy completa porque permite hacer cualquier tipo de diagrama gráfico. Es ideal para presentaciones basadas en la web, proporciona la construcción de gráficos elegantes y versátiles de forma concisa. Una de las ventajas importantes de esta biblioteca con respecto a las demás es su capacidad para tener un alto rendimiento ante grandes cantidades de datos. Sus elementos se pueden clasificar en tres grupos importantes:

- Gráficos rápidos, son aquellos que se pueden realizar con pocas líneas de código.

- Especialidades de matplotlib, gráficos que modifican y mejoran los gráficos de matplotlib.

- Dirigido a desarrolladores e ingenieros de software.

• Plotly: Es una herramienta de visualización en línea que ha desarrollado bibliotecas tanto para Python como para R. Es la opción más útil y fácil para crear visualizaciones altamente interactivas en la web (dashboard).

• Pygal: Al igual que las bibliotecas que hemos descrito anteriormente Pygal permite realizar cualquier gráfico con pocas líneas de código, esta tiene la particularidad de estar principalmente orientada a la creación de gráficos en formato SVG, lo cual indica que cualquiera de nuestros resultados puede ser editado en un editor de imágenes e imprimirlos en una resolución de muy alta calidad.

• Ggplot: Es un conjunto de métodos para graficar basado en GGplot2 de R y la gramática de los gráficos. Los resultados se generan rápidamente y con pocas líneas de código.

• Altair: es una biblioteca de visualización estadística para Python, basada en Vega y Vega-Lite (gramáticas de visualización). Permite construir una amplia gama de visualizaciones rápidamente.

De esta forma te dejamos la referencia de algunas de las herramientas de visualización de Python, pero hay otras muchas y puedes conseguir más información en la web. Debes tener en cuenta que a diario podemos encontrar nuevas alternativas y actualizaciones importantes de cada una de ellas. Para hacer uso de las bibliotecas podemos recurrir a interfaces de visualización como Jupyter Notebook, Zeppelin Notebook, Google Colab, entre otras.