📊 Introducción a Plotly

1️⃣ ¿Qué es Plotly?

Plotly es una librería de visualización interactiva para Python que permite:

• Zoom dinámico
• Hover con información contextual
• Activar/desactivar series desde la leyenda
• Exportar gráficos a HTML interactivo
• Construir dashboards

A diferencia de Matplotlib y Seaborn, que generan gráficos estáticos por defecto, Plotly está diseñado para la exploración interactiva de datos.

2️⃣ Filosofía de diseño

Plotly sigue una arquitectura en dos niveles principales :

3️⃣ Plotly Express (px)

Es la forma más sencilla y productiva de trabajar.

Características clave

• Sintaxis compacta
• Trabaja naturalmente con DataFrames
• Sigue el principio de tidy data (datos en formato largo)
• Permite color, tamaño, facetas y animación con un solo argumento

Ejemplo conceptual

import plotly.express as px
import pandas as pd

df = px.data.iris()

fig = px.scatter(
    df,
    x="sepal_width",
    y="sepal_length",
    color="species",
    title="Scatter interactivo con Plotly Express"
)

fig.show()

Idea importante

En px, cada argumento suele mapear a una columna del DataFrame .

4️⃣ Graph Objects (go)

Es el nivel bajo. Permite construir gráficos como si estuviéramos “ensamblando piezas”.

Conceptos clave

• Figure → contenedor del gráfico
• Trace → cada serie de datos
• Layout → configuración visual

Ejemplo conceptual

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(go.Scatter(
    x=[1,2,3],
    y=[4,1,2],
    mode="lines",
    name="Serie 1"
))

fig.update_layout(title="Ejemplo con Graph Objects")

fig.show()

Cuándo usarlo

• Subplots personalizados
• Ejes múltiples
• Mezclar tipos (línea + barras + markers)
• Dropdowns y botones

5️⃣ La estructura interna de una figura

Un gráfico Plotly se compone de:

Figure
 ├── Data (Traces)
 │     ├── Scatter
 │     ├── Bar
 │     └── Box
 └── Layout
       ├── title
       ├── xaxis
       ├── yaxis
       └── template

Esto significa que todo gráfico es un objeto modificable dinámicamente .

Podemos actualizar cualquier parte:

fig.update_traces(marker_color="red")
fig.update_layout(template="plotly_white")

6️⃣ Tipos de gráficos más usados en análisis de datos

📈 Series temporales

px.line()

📊 Barras

px.bar()

🔵 Dispersión

px.scatter()

📦 Distribuciones

px.box()
px.violin()
px.histogram()

7️⃣ Interactividad (el verdadero valor de Plotly)

Hover personalizado

px.scatter(df, x="x", y="y", hover_data=["col_extra"])

Zoom y selección automática

Se activan sin código adicional.

Dropdowns y botones

fig.update_layout(
    updatemenus=[...]
)

Exportar a HTML

fig.write_html("grafico_interactivo.html")

8️⃣ Comparación con Matplotlib y Seaborn

Plotly no sustituye completamente a Matplotlib, pero sí es superior cuando el objetivo es exploración interactiva y comunicación visual moderna .

9️⃣ Buenas prácticas en el curso

1. Usar plotly.express para análisis exploratorio.
2. Pasar a graph_objects cuando necesitemos:
3. Subplots
4. Mezcla de tipos
5. Interacciones avanzadas
6. Mantener consistencia visual con:

   template="plotly_white"
   

🔟 Ideas clave

• Plotly trabaja sobre DataFrames
• px es rápido y declarativo
• go es estructural y detallado
• Todo gráfico es un objeto modificable
• La interactividad es automática