📊 10 Tipos de Histogramas en Matplotlib (con Ejemplos)
Los histogramas son una de las herramientas más comunes para visualizar distribuciones de datos. Con Python y matplotlib, puedes personalizar histogramas de muchas maneras para comprender mejor tus datos.
En este artículo, exploraremos 10 tipos diferentes de histogramas, para qué sirven y cómo crear cada uno.
1. Histograma Básico
📌 Uso:
Visualizar la distribución de frecuencia de un conjunto de datos.
plt.hist(data)
plt.title("Histograma Básico")
plt.xlabel("Valor")
plt.ylabel("Frecuencia")2. Histograma con Intervalos Personalizados
📌 Uso:
Controlar la resolución del histograma usando más o menos intervalos (bins).
plt.hist(data, bins=20)
plt.title("Histograma con Intervalos Personalizados")3. Histograma Coloreado
📌 Uso:
Facilitar la lectura del histograma o ajustar a tu paleta de colores.
plt.hist(data, color='skyblue', edgecolor='black')
plt.title("Histograma Coloreado")4. Histograma Normalizado (Densidad)
📌 Uso:
Mostrar la densidad de probabilidad en lugar de la frecuencia bruta — ideal para comparar distribuciones.
plt.hist(data, density=True, color='lightgreen', edgecolor='black')
plt.title("Histograma Normalizado (Densidad)")5. Histograma Cumulativo
📌 Uso:
Visualizar la suma acumulada de los datos — ayuda a entender cómo los datos se acumulan con el tiempo o en valor.
plt.hist(data, cumulative=True, color='orange', edgecolor='black')
plt.title("Histograma Cumulativo")6. Histograma con Superposición de KDE
📌 Uso:
Superponer una curva de densidad suave para estimar la forma de la distribución.
import seaborn as sns
sns.histplot(data, kde=True, color='mediumpurple', edgecolor='black')
plt.title("Histograma con Superposición KDE")7. Histograma Apilado
📌 Uso:
Comparar múltiples distribuciones lado a lado y ver cómo contribuyen a los totales.
plt.hist([data1, data2], stacked=True, color=['steelblue', 'salmon'], edgecolor='black')
plt.title("Histograma Apilado")
plt.legend(['Conjunto de Datos 1', 'Conjunto de Datos 2'])8. Histograma con Estilo Step
📌 Uso:
Visualizar el histograma como un contorno (bueno para comparar múltiples conjuntos sin saturar).
plt.hist(data, histtype='step', color='darkgreen')
plt.title("Histograma con Estilo Step")9. Histograma Horizontal
📌 Uso:
Invertir los ejes — útil cuando las etiquetas en el eje y son más importantes o el espacio es limitado.
plt.hist(data, orientation='horizontal', color='plum', edgecolor='black')
plt.title("Histograma Horizontal")10. Histograma Ponderado
📌 Uso:
Aplicar pesos a los valores — útil cuando los puntos de datos tienen diferentes importancias o frecuencias.
weights = np.random.rand(len(data))
plt.hist(data, weights=weights, color='goldenrod', edgecolor='black')
plt.title("Histograma Ponderado")🧠 Reflexiones Finales
Los histogramas son más que simples gráficos de barras — con el estilo adecuado, puedes adaptarlos para transmitir insights específicos en tus datos. Ya sea para análisis exploratorio o para preparar un informe final, conocer estas variaciones te da una herramienta más poderosa para contar historias con tus datos.