Visualización de datos usando Matplotlib

La visualización de datos es el proceso de presentar datos en forma de gráficos o tablas. Ayuda a comprender grandes y complejas cantidades de datos con mucha facilidad. Permite a los tomadores de decisiones tomar decisiones de manera muy eficiente y también les permite identificar nuevas tendencias y patrones con mucha facilidad. También se utiliza en el análisis de datos de alto nivel para el aprendizaje automático y el análisis de datos exploratorios (EDA). La visualización de datos se puede realizar con varias herramientas como Tableau, Power BI, Python.

En este artículo, discutiremos cómo visualizar datos con la ayuda de la biblioteca Matplotlib de Python.

matplotlib

Matploptib es una biblioteca de bajo nivel de Python que se utiliza para la visualización de datos. Es fácil de usar y emula MATLAB como gráficos y visualización. Esta biblioteca se basa en la parte superior de las arrays NumPy y consta de varios gráficos como gráfico de líneas, gráfico de barras, histograma, etc. Proporciona mucha flexibilidad pero a costa de escribir más código.

Instalación

Usaremos el comando pip para instalar este módulo. Si no tiene pip instalado, consulte el artículo Descargar e instalar la última versión de pip.

Para instalar Matplotlib, escriba el siguiente comando en la terminal.

pip install matplotlib

Consulte los artículos a continuación para obtener más información sobre la configuración de un entorno con Matplotlib.

• Configuración del entorno para Matplotlib
• Usando Matplotlib con Jupyter Notebook

Pyplot

Pyplot es un módulo de Matplotlib que proporciona una interfaz similar a MATLAB. Matplotlib está diseñado para ser tan útil como MATLAB, con la capacidad de usar Python y la ventaja de ser gratuito y de código abierto. Cada función de pyplot realiza algún cambio en una figura: por ejemplo, crea una figura, crea un área de trazado en una figura, traza algunas líneas en un área de trazado, decora el gráfico con etiquetas, etc. Los diversos gráficos que podemos utilizar usando Pyplot son Línea Gráfico, Histograma, Dispersión, Gráfico 3D, Imagen, Contorno y Polar.

Después de conocer un resumen sobre Matplotlib y pyplot, veamos cómo crear un diagrama simple.

Ejemplo:

import matplotlib.pyplot as plt
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
plt.show()

Producción:

Ahora veamos cómo agregar algunos elementos básicos como título, leyendas, etiquetas al gráfico.

Nota: Para obtener más información sobre Pyplot, consulte Pyplot en Matplotlib

Agregar título

El método title() en el módulo matplotlib se usa para especificar el título de la visualización representada y muestra el título usando varios atributos.

Sintaxis:

matplotlib.pyplot.title(etiqueta, fontdict=Ninguno, loc=’centro’, pad=Ninguno, **kwargs)

Ejemplo:

import matplotlib.pyplot as plt
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph")
 
plt.show()

Producción:

También podemos cambiar la apariencia del título usando los parámetros de esta función.

Ejemplo:

import matplotlib.pyplot as plt
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph", fontsize=25, color="green")
 
plt.show()

Producción:

Nota: Para obtener más información sobre cómo agregar el título y su personalización, consulte Matplotlib.pyplot.title() en Python

Agregar etiqueta X y etiqueta Y

En términos simples, la etiqueta X y la etiqueta Y son los títulos dados al eje X y al eje Y respectivamente. Estos se pueden agregar al gráfico utilizando los métodos xlabel() e ylabel() .

Sintaxis:

matplotlib.pyplot.xlabel(xlabel, fontdict=Ninguno, labelpad=Ninguno, **kwargs)

matplotlib.pyplot.ylabel(ylabel, fontdict=Ninguno, labelpad=Ninguno, **kwargs)

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph", fontsize=25, color="green")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
plt.show()

Producción:

Establecimiento de límites y etiquetas de ticks

Es posible que haya visto que Matplotlib establece automáticamente los valores y los marcadores (puntos) de los ejes X e Y, sin embargo, es posible establecer el límite y los marcadores manualmente. Las funciones xlim() e ylim() se utilizan para establecer los límites del eje X y el eje Y respectivamente. De manera similar, las funciones xticks() e yticks() se utilizan para establecer etiquetas de marca.

Ejemplo: En este ejemplo, cambiaremos el límite del eje Y y estableceremos las etiquetas para el eje X.

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph", fontsize=25, color="green")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
# Setting the limit of y-axis
plt.ylim(0, 80)
 
# setting the labels of x-axis
plt.xticks(x, labels=["one", "two", "three", "four"])
 
plt.show()

Producción:

Adición de leyendas

Una leyenda es un área que describe los elementos del gráfico. En términos simples, refleja los datos que se muestran en el eje Y del gráfico. Generalmente aparece como el cuadro que contiene una pequeña muestra de cada color en el gráfico y una pequeña descripción de lo que significan estos datos.

El atributo bbox_to_anchor=(x, y) de la función legend() se usa para especificar las coordenadas de la leyenda, y el atributo ncol representa el número de columnas que tiene la leyenda. Su valor por defecto es 1.

Sintaxis:

matplotlib.pyplot.legend([“nombre1”, “nombre2”], bbox_to_anchor=(x, y), ncol=1)

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph", fontsize=25, color="green")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
# Setting the limit of y-axis
plt.ylim(0, 80)
 
# setting the labels of x-axis
plt.xticks(x, labels=["one", "two", "three", "four"])
 
# Adding legends
plt.legend(["GFG"])
 
plt.show()

Producción:

Antes de continuar con Matplotlib, analicemos algunas clases importantes que se utilizarán más adelante en el tutorial. Estas clases son – 

• Figura
• hachas

Nota: Matplotlib se encarga de la creación de valores predeterminados incorporados como Figura y Ejes.

Clase de figura

Considere la clase de figura como la ventana o página general en la que se dibuja todo. Es un contenedor de nivel superior que contiene uno o más ejes. Se puede crear una figura utilizando el método figure() .

Sintaxis:

class matplotlib.figure.Figure(figsize=Ninguno, dpi=Ninguno, facecolor=Ninguno, edgecolor=Ninguno, linewidth=0.0, frameon=Ninguno, subplotpars=Ninguno, tight_layout=Ninguno, constrained_layout=Ninguno)

Ejemplo:

# Python program to show pyplot module
import matplotlib.pyplot as plt
from matplotlib.figure import Figure
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# Creating a new figure with width = 7 inches
# and height = 5 inches with face color as
# green, edgecolor as red and the line width
# of the edge as 7
fig = plt.figure(figsize =(7, 5), facecolor='g',
                 edgecolor='b', linewidth=7)
 
# Creating a new axes for the figure
ax = fig.add_axes([1, 1, 1, 1])
 
# Adding the data to be plotted
ax.plot(x, y)
 
# Adding title to the plot
plt.title("Linear graph", fontsize=25, color="yellow")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
# Setting the limit of y-axis
plt.ylim(0, 80)
 
# setting the labels of x-axis
plt.xticks(x, labels=["one", "two", "three", "four"])
 
# Adding legends
plt.legend(["GFG"])
 
plt.show()

Producción:

>>> Más funciones en la clase de figura

Clase de ejes

La clase Axes es la unidad más básica y flexible para crear subparcelas. Una figura dada puede contener muchos ejes, pero un eje dado solo puede estar presente en una figura. La función axes() crea el objeto de ejes. 

Sintaxis:

ejes ([izquierda, abajo, ancho, alto])

Al igual que la clase pyplot, la clase axes también proporciona métodos para agregar títulos, leyendas, límites, etiquetas, etc. Veamos algunos de ellos: 

• Añadir título – ax.set_title()
• Agregar etiqueta X y etiqueta Y – ax.set_xlabel() , ax.set_ylabel()
• Establecer límites: ax.set_xlim() , ax.set_ylim()
• Marcar etiquetas – ax.set_xticklabels() , ax.set_yticklabels()
• Adición de leyendas – ax.legend()

Ejemplo:

# Python program to show pyplot module
import matplotlib.pyplot as plt
from matplotlib.figure import Figure
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
fig = plt.figure(figsize = (5, 4))
 
# Adding the axes to the figure
ax = fig.add_axes([1, 1, 1, 1])
 
# plotting 1st dataset to the figure
ax1 = ax.plot(x, y)
 
# plotting 2nd dataset to the figure
ax2 = ax.plot(y, x)
 
# Setting Title
ax.set_title("Linear Graph")
 
# Setting Label
ax.set_xlabel("X-Axis")
ax.set_ylabel("Y-Axis")
 
# Adding Legend
ax.legend(labels = ('line 1', 'line 2'))
 
plt.show()

Producción:

Múltiples Parcelas

Hemos aprendido acerca de los componentes básicos de un gráfico que se pueden agregar para que pueda transmitir más información. Un método puede ser llamando a la función de trazado una y otra vez con un conjunto diferente de valores, como se muestra en el ejemplo anterior. Ahora veamos cómo trazar múltiples gráficos usando algunas funciones y también cómo trazar subgráficos. 

Método 1: Usar el método  add_axes()

El método add_axes() se usa para agregar ejes a la figura. Este es un método de clase de figura.

Sintaxis:

add_axes(self, *args, **kwargs)

Ejemplo:

# Python program to show pyplot module
import matplotlib.pyplot as plt
from matplotlib.figure import Figure
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# Creating a new figure with width = 5 inches
# and height = 4 inches
fig = plt.figure(figsize =(5, 4))
 
# Creating first axes for the figure
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
 
# Creating second axes for the figure
ax2 = fig.add_axes([1, 0.1, 0.8, 0.8])
 
# Adding the data to be plotted
ax1.plot(x, y)
ax2.plot(y, x)
 
plt.show()

Producción:

Método 2: Usar el método subplot() .

Este método agrega otro gráfico en la posición de cuadrícula especificada en la figura actual.

Sintaxis:

subtrama(nrows, ncols, index, **kwargs)

subtrama(pos, **kwargs)

trama secundaria (hacha)

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
 
# Creating figure object
plt.figure()
 
# adding first subplot
plt.subplot(121)
plt.plot(x, y)
 
# adding second subplot
plt.subplot(122)
plt.plot(y, x)

Producción:

Método 3: Usar el método subplots()

Esta función se utiliza para crear figuras y varias subtramas al mismo tiempo.

Sintaxis:

matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=Ninguno, gridspec_kw=Ninguno, **fig_kw)

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# Creating the figure and subplots
# according the argument passed
fig, axes = plt.subplots(1, 2)
 
# plotting the data in the
# 1st subplot
axes[0].plot(x, y)
 
# plotting the data in the 1st
# subplot only
axes[0].plot(y, x)
 
# plotting the data in the 2nd
# subplot only
axes[1].plot(x, y)

Producción:

Método 4: Usar el método subplot2grid()

Esta función crea un objeto de ejes en una ubicación específica dentro de una cuadrícula y también ayuda a expandir el objeto de ejes en varias filas o columnas. En palabras más simples, esta función se usa para crear múltiples gráficos dentro de la misma figura.

Sintaxis:

Plt.subplot2grid(forma, ubicación, rango de filas, rango de columnas)

Ejemplo:

import matplotlib.pyplot as plt
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# adding the subplots
axes1 = plt.subplot2grid (
(7, 1), (0, 0), rowspan = 2, colspan = 1)
 
axes2 = plt.subplot2grid (
(7, 1), (2, 0), rowspan = 2, colspan = 1)
 
# plotting the data
axes1.plot(x, y)
axes2.plot(y, x)

Producción:

Diferentes tipos de diagramas de Matplotlib

Matplotlib admite una variedad de gráficos, incluidos gráficos de líneas, gráficos de barras, histogramas, gráficos de dispersión, etc. En este artículo, analizaremos los gráficos más utilizados con la ayuda de algunos buenos ejemplos y también veremos cómo personalizar cada gráfico.  

Nota: Algunos elementos como el eje, el color son comunes a cada parcela, mientras que algunos elementos son específicos de la maceta.

Gráfico de linea

El gráfico de líneas es uno de los gráficos básicos y se puede crear usando la función plot() . Se utiliza para representar una relación entre dos datos X e Y en un eje diferente.

Sintaxis:

matplotlib.pyplot.plot(\*argumentos, scalex=Verdadero, scaley=Verdadero, datos=Ninguno, \*\*kwargs)

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y)
 
# Adding title to the plot
plt.title("Line Chart")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
plt.show()

Producción:

Veamos cómo personalizar el gráfico de líneas creado anteriormente. Usaremos las siguientes propiedades: 

• color: Cambiar el color de la línea
• ancho de línea: personalizar el ancho de la línea
• marcador: para cambiar el estilo del punto trazado real
• markersize: Para cambiar el tamaño de los marcadores
• linestyle: Para definir el estilo de la línea trazada

Distintos estilos de línea disponibles

Ejemplo:

import matplotlib.pyplot as plt
 
 
# initializing the data
x = [10, 20, 30, 40]
y = [20, 25, 35, 55]
 
# plotting the data
plt.plot(x, y, color='green', linewidth=3, marker='o',
         markersize=15, linestyle='--')
 
# Adding title to the plot
plt.title("Line Chart")
 
# Adding label on the y-axis
plt.ylabel('Y-Axis')
 
# Adding label on the x-axis
plt.xlabel('X-Axis')
 
plt.show()

Producción:

Nota: Para obtener más información, consulte Estilos de trazado de líneas en Matplotlib

Gráfico de barras

Un gráfico de barras es un gráfico que representa la categoría de datos con barras rectangulares con longitudes y alturas proporcionales a los valores que representan. Los gráficos de barras se pueden trazar horizontal o verticalmente. Un gráfico de barras describe las comparaciones entre las categorías discretas. Se puede crear usando el método bar().

En el siguiente ejemplo, utilizaremos el conjunto de datos de consejos. La base de datos de propinas es el registro de la propina dada por los clientes en un restaurante durante dos meses y medio a principios de la década de 1990. Contiene 6 columnas como total_bill, propina, sexo, fumador, día, hora, tamaño.

Ejemplo: 

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['day']
y = data['total_bill']
 
# plotting the data
plt.bar(x, y)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Total Bill')
 
# Adding label on the x-axis
plt.xlabel('Day')
 
plt.show()

Producción:

Personalización que está disponible para el gráfico de barras: 

• color: Para las caras de la barra
• edgecolor: Color de los bordes de la barra
• linewidth: Ancho de los bordes de la barra
• ancho: Ancho de la barra

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['day']
y = data['total_bill']
 
# plotting the data
plt.bar(x, y, color='green', edgecolor='blue',
        linewidth=2)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Total Bill')
 
# Adding label on the x-axis
plt.xlabel('Day')
 
plt.show()

Producción:

Nota: Las líneas entre las barras se refieren a los diferentes valores en el eje Y del valor particular del eje X.

Histograma

Un histograma se utiliza básicamente para representar datos proporcionados en forma de algunos grupos. Es un tipo de gráfico de barras en el que el eje X representa los rangos de contenedores, mientras que el eje Y brinda información sobre la frecuencia. La función hist() se usa para calcular y crear un histograma de x.

Sintaxis:

matplotlib.pyplot.hist(x, contenedores=Ninguno, rango=Ninguno, densidad=Falso, pesos=Ninguno, acumulativo=Falso, fondo=Ninguno, histtype=’barra’, alineación=’media’, orientación=’vertical’, rwidth=Ninguno, log=Falso, color=Ninguno, label=Ninguno, stacked=False, \*, data=Ninguno, \*\*kwargs)

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['total_bill']
 
# plotting the data
plt.hist(x)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Frequency')
 
# Adding label on the x-axis
plt.xlabel('Total Bill')
 
plt.show()

Producción:

Personalización que está disponible para el Histograma – 

• bins: Número de bins de igual ancho 
• color: Para cambiar el color de la cara
• edgecolor: Color de los bordes
• linestyle: Para los bordes
• alfa: valor de fusión, entre 0 (transparente) y 1 (opaco)

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['total_bill']
 
# plotting the data
plt.hist(x, bins=25, color='green', edgecolor='blue',
         linestyle='--', alpha=0.5)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Frequency')
 
# Adding label on the x-axis
plt.xlabel('Total Bill')
 
plt.show()

Producción:

Gráfico de dispersión

Los diagramas de dispersión se utilizan para observar las relaciones entre las variables. El método scatter() en la biblioteca matplotlib se usa para dibujar un diagrama de dispersión.

Sintaxis:

matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ninguno, c=Ninguno, marker=Ninguno, cmap=Ninguno, vmin=Ninguno, vmax=Ninguno, alpha=Ninguno, linewidths=Ninguno, edgecolors=Ninguno

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['day']
y = data['total_bill']
 
# plotting the data
plt.scatter(x, y)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Total Bill')
 
# Adding label on the x-axis
plt.xlabel('Day')
 
plt.show()

Producción:

Las personalizaciones que están disponibles para el diagrama de dispersión son: 

• s: tamaño del marcador (puede ser escalar o array de tamaño igual al tamaño de x o y)
• c: color de secuencia de colores para marcadores
• marcador: estilo de marcador
• anchos de línea: ancho del borde del marcador
• edgecolor: color del borde del marcador
• alfa: valor de fusión, entre 0 (transparente) y 1 (opaco)

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
x = data['day']
y = data['total_bill']
 
# plotting the data
plt.scatter(x, y, c=data['size'], s=data['total_bill'],
            marker='D', alpha=0.5)
 
# Adding title to the plot
plt.title("Tips Dataset")
 
# Adding label on the y-axis
plt.ylabel('Total Bill')
 
# Adding label on the x-axis
plt.xlabel('Day')
 
plt.show()

Producción:

Gráfico circular

El gráfico circular es un gráfico circular que se utiliza para mostrar solo una serie de datos. El área de sectores del pastel representa el porcentaje de las partes de los datos. Las rebanadas de pastel se llaman cuñas. Se puede crear utilizando el método pie().

Sintaxis:

matplotlib.pyplot.pie(datos, explotar=Ninguno, etiquetas=Ninguno, colores=Ninguno, autopct=Ninguno, sombra=Falso)

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
cars = ['AUDI', 'BMW', 'FORD',
        'TESLA', 'JAGUAR',]
data = [23, 10, 35, 15, 12]
 
# plotting the data
plt.pie(data, labels=cars)
 
# Adding title to the plot
plt.title("Car data")
 
plt.show()

Producción:

Las personalizaciones que están disponibles para el gráfico circular son: 

• explotar: Mover las cuñas de la trama
• autopct: etiqueta la cuña con su valor numérico.
• color: el atributo se utiliza para proporcionar color a las cuñas.
• sombra: Se utiliza para crear sombra de cuña.

Ejemplo:

import matplotlib.pyplot as plt
import pandas as pd
 
# Reading the tips.csv file
data = pd.read_csv('tips.csv')
 
# initializing the data
cars = ['AUDI', 'BMW', 'FORD',
        'TESLA', 'JAGUAR',]
data = [23, 13, 35, 15, 12]
 
explode = [0.1, 0.5, 0, 0, 0]
 
colors = ( "orange", "cyan", "yellow",
          "grey", "green",)
 
# plotting the data
plt.pie(data, labels=cars, explode=explode, autopct='%1.2f%%',
        colors=colors, shadow=True)
 
plt.show()

Producción:

Guardar una parcela

Para guardar un gráfico en un archivo en el disco de almacenamiento, se utiliza el método savefig(). Un archivo se puede guardar en muchos formatos como .png, .jpg, .pdf, etc.

Sintaxis:

pyplot.savefig(fname, dpi=Ninguno, facecolor=’w’, edgecolor=’w’, orientación=’retrato’, papertype=Ninguno, formato=Ninguno, transparente=Falso, bbox_inches=Ninguno, pad_inches=0.1, frameon= Ninguno, metadatos=Ninguno)

Ejemplo:

import matplotlib.pyplot as plt
 
# Creating data
year = ['2010', '2002', '2004', '2006', '2008']
production = [25, 15, 35, 30, 10]
 
# Plotting barchart
plt.bar(year, production)
 
# Saving the figure.
plt.savefig("output.jpg")
 
# Saving figure by changing parameter values
plt.savefig("output1", facecolor='y', bbox_inches="tight",
            pad_inches=0.3, transparent=True)

Producción: