Desafío: ¡hora de la práctica!

¡Hola, Andrés, espero que estés bien!

Parece que estás trabajando en un desafío para visualizar el consumo de energía eléctrica por fuente en 2024 usando matplotlib. Aquí tienes un ejemplo de código que sigue los requisitos que mencionaste:

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 1. Preparación de datos (Copia y conversión)
# Creamos una copia para no alterar el DataFrame original 'resumen_mundial'
df_2024 = df_resumen_mundial.copy()
df_2024['fecha'] = pd.to_datetime(df_2024['fecha'])

# 2. Filtrado para el año 2024
df_2024 = df_2024[df_2024['fecha'].dt.year == 2024].sort_values('fecha')

# 3. Configuración de la visualización
plt.figure(figsize=(15, 10))

# Definición de variables para claridad
x = df_2024['fecha']
fosiles = df_2024['consumo_total_de_combustibles_fosiles']
renovables = df_2024['consumo_total_de_energia_renovable']
nuclear = df_2024['consumo_de_energia_nuclear']

# 4. Creación de barras apiladas (Stacked Bar Chart)
# Capa 1: Combustibles Fósiles (Base)
plt.bar(x, fosiles, label='Combustibles Fósiles', color='#8B4513', width=20)

# Capa 2: Renovables (Se apila sobre fósiles)
plt.bar(x, renovables, bottom=fosiles, label='Energía Renovable', color='#228B22', width=20)

# Capa 3: Nuclear (Se apila sobre la suma de fósiles + renovables)
plt.bar(x, nuclear, bottom=fosiles + renovables, label='Energía Nuclear', color='#4682B4', width=20)

# 5. Personalización estética y etiquetas
plt.title('Composición del Consumo de Energía Eléctrica Mundial - Año 2024', fontsize=18, pad=20)
plt.xlabel('Mes de consumo (2024)', fontsize=14)
plt.ylabel('Consumo (Cuatrillones de BTU)', fontsize=14)

# Configuración del eje X para mostrar los meses claramente
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%B'))
plt.gca().xaxis.set_major_locator(mdates.MonthLocator())
plt.xticks(rotation=45)

# Añadir leyenda y cuadrícula sutil para facilitar la lectura de valores
plt.legend(title='Fuentes de Energía', fontsize=12, loc='upper left')
plt.grid(axis='y', linestyle='--', alpha=0.7)

# Ajuste de diseño para evitar cortes
plt.tight_layout()

# Mostrar gráfico
plt.show()

Este código debería ayudarte a crear el gráfico de barras apiladas que necesitas. Asegúrate de tener los datos correctamente organizados en el DataFrame resumen_mundial antes de ejecutar el código.

Espero haber ayudado y buenos estudios!