2.0 Módulos¶
Visualización de gráficos con Matplotlib¶
En la lección pasada aprendiste sobre el uso de las listas y cómo hacer uso de los índices para accesar a los datos de las listas. Los datos pueden ser cadenas de caracteres o numéricos, !incluso puedes crear una lista de las listas!
En esta sección aprenderemos a visualizar los datos, graficando con el uso de la librería matplotlib. Las librerías o también llamados módulos en Python son un conjunto de funciones que te permiten realizar tareas complejas y/o específicas con facilidad. Uno de los módulos más populares y útiles es matplotlib, el cual permite visualizar tus datos a través de gráficos.
En el siguiente video aprenderás a cargar matplotlib y a usar sus funciones para graficar un set de datos de las formas de las hojas de 15 especies de vid del género Vitis y Ampelopsis que usarás como ejemplo. Puedes aprender más sobre estos datos y especies accediendo a la siguiente publicación: Bryson, Brown, Mullins, Dong et al., Composite modeling of leaf shape along shoots discriminates Vitis species bettern than individual leaves, Applications in Plant Sciences, 8(12): e11404, publicado por los estudiantes de la clase MSU NRT-IMPACTS Otoño 2019. La Figura 1 muestra la diversidad en la forma de las hojas entre las especies de vid muestreadas, mientras que la Figura 2 muestra los puntos de referencia, es decir, las coordenadas x y y encontradas en cada hoja que pueden ser usadas para hacer la medición de la forma de la hoja. Los valores promedio de los puntos superpuestos fueron usados para crear las formas que estarás viendo en este curso.
La lección de hoy tiene como objetivo explorar las herramientas y ser creativo: diseñar gráficos estéticos y llamativos. Los links a continuación te permitirán escoger colores usando matplotlib, además de una galería de gráficos muestra para continuar explorando el módulo:
Lista de colores que puedes usar en matplotlib
Gráficos muestra en matplotlib
En la celda siguiente están los datos con los que estaremos trabajando y que son usados en el video. Se trata de una lista de valores para las coordenadas x y y para las 15 distintas especies de los géneros Vitis y Ampelopsis. Ejecuta la celda, checa los objetivos y sigue el video tutorial para comenzar a crear tus gráficos con matplotlib. Éxito!
# Esta celda contiene la lista de valores x y y para
# las formas de las hojas de las 15 especies de Vitis y Ampelopsis.
# Cada lista está abreviada con la inicial del género y epíteto de la especie.
# Ampelopsis acoutifolia (en realidad aconitifolia)
# NOTA: Hay un error de transcripción para esta especie, que en realidad es
# Ampelopsis aconitifolia (no es A. "acoutifolia")
# El error se propaga en los videos, narración, texto y cuadernos
# pero no afecta la lección en cuestión para trazar en matplotlib
Aaco_x = [13.81197507,-14.58128237,-135.3576208,-3.48017966,-285.0289837,-4.874351136,-126.9904669,10.54932685,170.4482865,40.82555888,205.158889,124.6343366,13.81197507]
Aaco_y = [27.83951365,148.6870909,157.2273013,35.73510131,-30.02915903,9.54075375,-280.2095191,0.200400495,-234.1044141,20.41991159,41.33121759,96.75084391,27.83951365]
# Ampelopsis brevipedunculata
# NOTA: Esta especie ahora se conoce como A. glandulosa var. brevipedunculata
Abre_x = [40.00325135,-81.37047548,-186.835592,-139.3272085,-287.5337006,-89.61277053,-134.9263008,47.43458846,144.6301719,163.5438321,225.9684307,204.719859,40.00325135]
Abre_y = [96.8926433,203.3273536,134.0172438,99.7070006,-81.35389923,-17.90701212,-335.624547,-80.02986776,-262.0385648,-27.31979918,-42.24377429,82.08218538,96.8926433]
# Ampelopsis cordata
Acor_x = [41.26484889,-99.68651819,-203.5550411,-181.4080156,-226.4063517,-174.1104713,-142.2197176,81.25359041,113.9079805,205.9930561,230.8000389,226.6914467,41.26484889]
Acor_y = [105.1580727,209.8514829,131.8410788,111.9833751,-70.79184424,-60.25829908,-326.5994491,-170.6003249,-223.0042176,-44.58524791,-45.80679706,71.64004113,105.1580727]
# Vitis acerifolia
Vace_x = [47.55748802,-102.1666218,-218.3415108,-183.5085694,-234.8755094,-152.1581487,-113.8943819,53.48770667,84.83899263,206.557697,240.589609,243.5717264,47.55748802]
Vace_y = [111.9982016,241.5287104,125.6905949,110.350904,-108.1932176,-74.67866027,-283.2678229,-161.1592736,-243.1116283,-54.52616737,-68.953011,95.74558526,111.9982016]
# Vitis aestivalis
Vaes_x = [34.13897003,-59.06591289,-192.0336456,-169.5476603,-261.8813454,-154.4511279,-132.6031657,56.04516606,119.9789735,205.0834004,246.928663,209.2801298,34.13897003]
Vaes_y = [80.26320349,227.2107718,155.0919347,123.2629647,-86.47992069,-70.12024178,-317.80585,-156.8388147,-247.9415158,-31.73423173,-28.37195726,120.2692722,80.26320349]
# Vitis amurensis
Vamu_x = [36.94310365,-63.29959989,-190.35653,-180.9243738,-255.6224889,-172.8141253,-123.8350652,60.05314983,113.598307,218.8144919,238.6851057,210.9383524,36.94310365]
Vamu_y = [87.06305005,230.9299013,148.431809,128.4087423,-88.67075769,-84.47396366,-298.5959647,-181.4317592,-241.2343437,-37.53203788,-30.63962885,115.7064075,87.06305005]
# Vitis cinerea
Vcin_x = [41.13786595,-78.14668163,-195.0747469,-185.81005,-238.1427795,-181.5728492,-127.6203541,65.24059352,103.8414516,214.1320626,233.1457326,222.7549456,41.13786595]
Vcin_y = [98.40296936,233.6652514,136.6641628,117.9719613,-86.41814245,-86.14771041,-310.2979998,-190.9232443,-230.5027809,-50.27050419,-42.94757891,107.8271097,98.40296936]
# Vitis coignetiae
Vcoi_x = [36.29348151,-51.46279315,-183.6256382,-176.7604659,-253.3454527,-191.8067468,-123.413666,66.11061054,111.4950714,215.7579824,236.7136632,197.5512918,36.29348151]
Vcoi_y = [86.42303732,222.7808161,150.0993737,127.4697835,-85.23634837,-93.3122815,-301.819185,-203.7840759,-239.8063423,-35.30522815,-25.15349577,121.1295308,86.42303732]
# Vitis labrusca
Vlab_x = [33.83997254,-63.35703212,-191.4861127,-184.3259869,-257.3706479,-179.056825,-124.0669143,68.23202857,123.213115,222.8908464,243.056641,205.2845683,33.83997254]
Vlab_y = [81.34077013,222.8158575,153.7885633,132.4995037,-80.2253417,-80.67586345,-296.8245229,-185.0516494,-238.8655248,-38.2316427,-29.21879919,111.424232,81.34077013]
# Vitis palmata
Vpal_x = [31.97986731,-68.77672824,-189.26295,-164.4563595,-260.2149738,-149.3150935,-131.5419837,65.86738801,127.3624336,202.6655429,240.0477009,219.0385121,31.97986731]
Vpal_y = [78.75737572,232.9714762,149.7873103,124.8439354,-71.09770423,-56.52814058,-329.0863141,-149.308084,-231.1263997,-33.22358667,-33.0517181,114.3110289,78.75737572]
# Vitis piasezkii
Vpia_x = [18.70342336,-28.68239983,-133.7834969,-32.76128224,-305.3467215,-7.429223951,-146.2207875,21.81934547,163.1265031,65.21695943,203.4902238,139.6214571,18.70342336]
Vpia_y = [41.05946323,160.3488167,157.9775135,64.93177072,-59.68750782,18.85909594,-362.1788431,7.556816875,-253.8796355,21.33965973,17.69878265,93.72614181,41.05946323]
# Vitis riparia
Vrip_x = [44.65674776,-85.47236587,-205.1031097,-174.088415,-239.9704675,-161.1277029,-125.4900046,58.08609552,89.2307808,204.9127104,236.0709257,229.8098573,44.65674776]
Vrip_y = [106.5948187,235.8791214,130.341464,116.8318515,-110.5506636,-76.73562488,-300.1092173,-169.0146383,-247.0956802,-42.2253331,-54.23469169,103.9732427,106.5948187]
# Vitis rupestris
Vrup_x = [51.29642881,-132.9650549,-227.6059714,-201.31783,-207.965755,-149.2265432,-98.64097334,48.33648281,75.91437502,208.7784453,237.4842778,263.3479415,51.29642881]
Vrup_y = [123.7557878,233.5830974,109.6847731,95.43848563,-95.82512925,-80.06286127,-236.7411071,-163.7331427,-213.2925544,-77.04510916,-86.40789274,69.86940263,123.7557878]
# Vitis thunbergii
Vthu_x = [22.61260382,-3.204532702,-150.3627277,-79.39836351,-271.8885204,-70.74704134,-168.6002498,36.68300146,172.978549,116.9174032,227.8346055,148.3453958,22.61260382]
Vthu_y = [50.82336098,194.3865012,181.2536906,86.8671412,-57.33457233,-23.85610668,-334.279317,-67.36542042,-234.1205595,7.151772223,28.16801823,138.9705667,50.82336098]
# Vitis vulpina
Vvul_x = [39.44771371,-83.62933643,-194.2000993,-175.9638941,-227.8323987,-180.8587446,-135.986247,71.94543538,99.8983207,207.0950158,231.7808734,222.7645396,39.44771371]
Vvul_y = [96.44934373,230.0148139,136.3702366,119.8017341,-83.09830126,-75.38247957,-332.9188424,-184.4324688,-222.8532423,-41.89574792,-44.70218529,101.9138055,96.44934373]
# Average grape leaf
avg_x = [35.60510804,-67.88314703,-186.9749654,-149.5049396,-254.2293735,-135.3520852,-130.4632741,54.4100207,120.7064692,180.696724,232.2550642,204.8782463,35.60510804]
avg_y = [84.95317026,215.7238025,143.85314,106.742536,-80.06000256,-57.00477464,-309.8290405,-137.6340316,-237.7960327,-31.10365842,-30.0828468,103.1501279,84.95317026]
🐍 Objetivos de aprendizaje - Python¶
Las listas almacenan datos numéricos que pueden graficarse (minuto 1:12)
Cargar módulos; conjuntos de funciones que nos permiten realizar tareas en Python (minuto 2:37)
Crear gráficos, diagramas de dispersión y figuras (minuto 4:21)
Manipulación de forma, tamaño y color en los gráficos (minuto 8:20)
Graficar datos superpuestos y editar etiquetas y leyendas (minuto 17:10)
Crear subgráficos (minuto 19:16)
🌻 Objetivos de aprendizaje - Plantas¶
El fenotipo se refiere a cómo luce una planta
Los fenotipos pueden ser medidos
Las diferencias genéticas entre especies emparentadas resultan en una variación del fenotipo
La morfología es un aspecto del fenotipo que puede ser medido apoyándose de la geometría
Cargar módulos; conjuntos de funciones que nos permiten realizar tareas en Python¶
Mira este video de 0:00 a 4:09
Para español, haga click en configuración, seleccione “español” debajo de los subtítulos.
Traducción por Evelia L. Coss-Navarrete, Langebio-Cinvestav, Irapuato, México)
# Para reproducir el siguiente tutorial, presiona shift + enter
from IPython.display import YouTubeVideo
from datetime import timedelta
start=int(timedelta(hours=0, minutes=0, seconds=0).total_seconds())
end=int(timedelta(hours=0, minutes=4, seconds=9).total_seconds())
YouTubeVideo("PJ1dvAgOAj0",start=start,end=end,width=640,height=360)
La siguiente es una transcripción del video.
Entonces, a continuación, antes detrazar cualquier cosa, tenemos que aprender a cargar módulos. Los módulos son conjuntos de funcionalidades que nos permiten realizar tareas comunes en Python.
El módulo que la mayoría de la gente usa para trazar es matplotlib y se usa con bastante frecuencia. La forma en que cargamos en matplotlib es que usamos import. Entonces escribimos import y luego escribimos matplotlib. También escribimos punto pyplot (“.pyplot”) porque este es un submódulo que usaremos para trazar. Cuando utiliza las funciones en un módulo, debe hacer referencia a ellas mediante un nombre. Entonces dirás algo como “módulo punto función”. Sería mucho escribir matplotlib o “pyplot” cada vez que utiliza una función, por lo que importamos matplotlib as plt, porque, como se verá. Todo lo que tengo que hacer es escribir la función plt punto (“plt.”), que simplificamucho las cosas.
Para matplotlib, específicamente, hay una segunda línea de código, esto es porcentaje (%) de espacio matplotlib en línea y esta es una línea especial de código que nos permite mostrar trazados en línea. matplotlib se usa tan comúnmente que mucha gente cada vez que usa Python o un cuaderno de Jupyter simplemente ejecute estas dos líneas de código para importar matplotlib, porque se usa con tanta frecuencia. Por lo tanto, puede copiar y pegar esto cada vez que use un cuaderno de Jupyter y matplotlib estará allí para que lo uses.
# 'import' se cargará en el módulo
# pyplot es el submódulo de matplotlib que usaremos
# 'as plt' se refiere a cómo nos referiremos al módulo para usarlo
# por ejemplo, plt.plot ()
# % matplotlib en línea
import matplotlib.pyplot as plt
%matplotlib inline