7. Visualizar datos con matplotlib: tu primer gráfico de precios

Nivel 2: Python desde Cero para Finanzas

Un número suelto casi nunca cuenta la historia completa; un gráfico, casi siempre. Matplotlib es la librería estándar de Python para crear gráficos, y aunque tiene una interfaz rápida al estilo MATLAB, la forma recomendada de usarla — sobre todo en cuanto tu código empieza a crecer — es su interfaz orientada a objetos.

import matplotlib.pyplot as plt
import numpy as np

dias = np.arange(0, 30)
precios = 180 + np.cumsum(np.random.randn(30))  # simulacion simple de una caminata aleatoria de precios

La idea central de la interfaz orientada a objetos es que, en vez de dibujar sobre un estado global implícito, creas explícitamente un objeto Figure (el lienzo completo) y uno o más objetos Axes (los ejes donde realmente se dibuja), y llamas a métodos sobre ellos. La forma más práctica de crear ambos a la vez es plt.subplots():

fig, ax = plt.subplots(figsize=(10, 5))

ax.plot(dias, precios, color="tab:blue", label="Precio simulado")
ax.set_xlabel("Dia")
ax.set_ylabel("Precio")
ax.set_title("Evolucion de precio simulada")
ax.legend()

plt.show()

Esta forma explícita — trabajar sobre fig y ax en vez de sobre funciones sueltas como plot() a secas — se vuelve imprescindible en cuanto necesitas más de un gráfico en la misma figura, algo habitual cuando comparas varios activos o varias métricas a la vez:

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(14, 5))

axes[0].plot(dias, precios, color="tab:blue")
axes[0].set_title("Precio")

retornos = np.diff(precios) / precios[:-1]
axes[1].plot(dias[1:], retornos, color="tab:red")
axes[1].set_title("Retorno diario")

fig.tight_layout()
plt.show()

Cuando defines más de una serie en el mismo gráfico, usar el argumento label en cada plot() y luego llamar a ax.legend() sin argumentos es más robusto que pasar los nombres a mano en legend(): si más adelante añades o quitas una serie, la leyenda se actualiza sola en vez de desincronizarse.

fig, ax = plt.subplots(figsize=(10, 5))

ax.plot(dias, precios, label="Estrategia A")
ax.plot(dias, precios * 1.02, label="Estrategia B")  # ejemplo ilustrativo
ax.legend(loc=0)   # loc=0 deja que matplotlib elija la mejor posicion automaticamente

plt.show()

Y para guardar el resultado en un archivo, en vez de solo mostrarlo en pantalla, el método es savefig sobre el objeto fig, no sobre plt:

fig.savefig("evolucion_precio.png", dpi=200)

Con esto ya tienes lo esencial para pasar de una lista de números a un gráfico legible — que es, en la práctica, el primer paso de cualquier análisis exploratorio antes de construir una sola estrategia.