LabPlot: visualización y análisis de datos gratis, de código abierto y multiplataforma

 (labplot.org)
4 puntos por GN⁺ 2025-08-24 | 1 comentarios | Compartir por WhatsApp
  • LabPlot es un software gratuito que ofrece diversas funciones de visualización de datos y análisis
  • Admite múltiples formatos de datos como CSV, SQL, Excel(xlsx) y JSON, por lo que importar datos es sencillo
  • Con LabPlot se pueden realizar análisis científicos y visualización en un solo lugar
  • Gracias a su soporte multiplataforma, puede usarse en diversos sistemas operativos como Windows, macOS y Linux
  • Al estar basado en código abierto, cualquiera puede ampliarlo y personalizarlo libremente

Introducción a LabPlot

  • LabPlot es una herramienta de visualización y análisis de datos gratuita y de código abierto que funciona en distintas plataformas
  • Los usuarios pueden realizar de forma eficiente tareas de gráficas científicas y análisis de datos en una sola aplicación

Importación de datos y compatibilidad

  • El primer paso en LabPlot es la importación de datos en diversos formatos
  • Entre los formatos compatibles se incluyen CSV, Origin, SAS, Stata, SPSS, MATLAB, SQL, JSON, binario, OpenDocument Spreadsheet (ods), Excel(xlsx), HDF5, MQTT, Binary Logging Format(BLF), FITS y muchos más
  • Este soporte de formatos ofrece la ventaja de acelerar la integración de datos y el trabajo inicial

Resumen

  • LabPlot es una herramienta de visualización y análisis de datos científicos con soporte multiplataforma que ayuda a los usuarios a importar rápidamente diversos formatos de datos y trabajarlos con eficiencia
  • Gracias a su naturaleza de código abierto, ofrece la ventaja de que los usuarios puedan ampliar funciones y personalizarla directamente

Lecturas relacionadas

1 comentarios

 
GN⁺ 2025-08-24
Opiniones de Hacker News

  • Es curioso cómo las herramientas de gráficos o diagramas ahora se perciben como un commodity totalmente común; cuando desarrollé Deltagraph por primera vez a finales de 1988, estaba orientado a salida Postscript e Illustrator, incluía una enorme variedad de gráficos y opciones, y se usó casi como un estándar a nivel mundial, especialmente para impresión. A mediados de los 90, yo me quedé solo con el desarrollo y se vendió a una editorial; después, hasta la pandemia, pasó por varios dueños durante 25 años y siguió funcionando sobre el código fuente original escrito en C. Ni me imagino qué desastre debía ser ese código para entonces.

    • Aun así, no se siente que el mercado de charts/gráficos se haya comoditizado o generalizado por completo; la mayoría de la gente de oficina sigue usando soluciones comerciales antiguas (Tableau, JMP en ingeniería de hardware, y también SAS o Excel).

  • Usé SciDavis durante mucho tiempo, y antes también probé QtiPlot; cuando tuve oportunidad, también usé Origin. SciDavis era tosco y se caía seguido, pero para lo que necesitaba no daba grandes problemas. Configurar el estilo de los gráficos costaba un poco, y copiar estilos era incómodo. Hace poco probé LabPlot, pero cuando el archivo csv tenía datos datetime, incluso usando opciones avanzadas y configuración manual, tenía problemas para reconocer correctamente el formato de fecha y serie temporal. El sitio de documentación es una colección de videos de YouTube; no me gusta tener que buscar el manual viendo videos, los desarrolladores deberían hacer documentación tradicional también. También está AlphaPlot, un fork de SciDavis, que todavía tiene sus propios retos, como el problema de fechas yyyy-MM-dd hh:mm:ss.zzz, pero aun así es una herramienta usable. Si quiero procesamiento por lotes, generar varios gráficos automáticamente y mantener reproducibilidad, uso gnuplot. La curva de aprendizaje es empinada, pero después de escribir algunos scripts puedes crear tus propias plantillas, y resulta útil. Está bueno que también haya movimiento open source en esta área, porque siempre es bueno tener más opciones.
    Enlace al manual de LabPlot

  • Herramientas como ggplot requieren bastante trabajo fino si quieres ajustar detalles, pero a cambio la flexibilidad es excelente. Aun así, por ejemplo, si quieres hacer un spaghetti plot de mediciones repetidas por sujeto con datos de un estudio longitudinal acelerado, o un gráfico de efectos fijos, la mayoría de las soluciones llegan a sus límites. Como referencia, aquí hay un ejemplo de un plot que hice.
    Ejemplo de plot

    • Soy bioestadístico, y cada vez que veo diseños longitudinales complejos me encantan. Un profesor que tuve hablaba en estos casos sobre la descomposición entre efectos cross-sectional y longitudinales, o sobre la paradoja de Lord, pero todavía siento que no termino de entenderla del todo.

  • Se ve realmente genial, pero me gustaría que hubiera una sección explicando “por qué esto es mejor que matplotlib u otras herramientas populares de gráficos”. Ya vi la lista de funciones, pero me cuesta tener que armar mentalmente una tabla comparativa por mi cuenta. Parece tener varios puntos atractivos, pero sí ayudaría muchísimo ver estudios de caso para saber si vale la pena invertir tiempo en aprender algo nuevo.

  • Es evidente que aquí hubo mucho trabajo, pero si ya está integrado con el código de laboratorio en Julia, Matlab, R, Python, Excel, etc., me confunde cuál sería la motivación para usar esta herramienta. Me pregunto si será popular en alguna comunidad específica.

    • Probablemente la idea sea reemplazar, en modo FOSS, el papel de herramientas comerciales populares en algunas comunidades científicas, como Origin. Es útil cuando otro software (por ejemplo, software de instrumentación) ya generó los datos, y quieres visualizarlos rápido en plots y hacer cosas simples como curve fitting desde una GUI. Si ya te sientes cómodo procesando datos con los lenguajes y librerías mencionados, no hay una razón fuerte para necesitar esta herramienta.

    • Yo probablemente soy justo el usuario objetivo de esta herramienta. Voy saltando entre R, Python, Maxima y MATLAB/Octave, y normalmente paso los datos como CSV; como cada herramienta tiene una interfaz distinta, eso resulta molesto. Tampoco me gusta mucho Jupyter, así que si esto es más cómodo, hasta podría probarlo como reemplazo de Jupyter.

    • En mi experiencia, hay bastante gente para la que programar no es productivo ni cómodo. Yo uso sobre todo Python, pero en la empresa también tenemos muchas licencias de JMP y la mayoría de los ingenieros están perfectamente conformes con Excel. Pero no voy mostrándole a otros cuánto tiempo me lleva hacer mi trabajo. Y esa gente todavía desconfía bastante del open source o de programas sin prestigio. Una herramienta así podría ser una opción para probar por cuenta propia y recién decirle a tu jefe “esto sí sirve” cuando ya comprobaste que está lo suficientemente bien.

    • Un caso real de campo: trabajo como ingeniero en un proyecto de vehículos de lanzamiento, y en cada prueba y vuelo se acumulan tramas de datos de telemetría en archivos enormes, como CSV o TSV. Hay que recorrer visualmente con rapidez gráficos de series temporales de cientos de variables para detectar anomalías de inmediato, y también hacer zoom y paneo muchas veces para capturar lo necesario e incluirlo en documentos. A veces hay que ampliar hasta un nivel extremadamente detallado (a nivel de bit o de muestra) para encontrar casos excepcionales, y como no sabes de antemano cuándo ni dónde va a aparecer un evento, la velocidad lo es todo. También necesitas mostrar al mismo tiempo plots de varias variables con distintas unidades para ver correlaciones. Cuando el análisis es en equipo, también te piden visualizaciones al momento. Además hacen falta análisis de frecuencia o estadísticos (periodogramas, log/semilog, PDF, etc.). Quieres agregar rápido marcadores o anotaciones al plot, cambiar etiquetas o formatos en modo WYSIWYG, y que con una sola acción de menú se pueda aplicar un FFT o un filtro y visualizar el resultado. Ir manipulando todo texto por texto en Python/Jupyter es demasiado ineficiente en tiempo para este flujo de trabajo. En LabPlot o en la aplicación que usábamos, este tipo de tareas se podía hacer casi en tiempo real. Excel se acerca gracias a su interfaz de hoja de cálculo, pero si para hacer plots de series temporales tienes que ir definiendo celdas, ejes, gráficos, escalado del plot, formato de etiquetas, etc., te pasas el mes entero solo analizando. Ese tipo de aplicaciones permitía trabajar rápido porque comentarios, metadatos y demás se insertaban en los archivos de datos como anotaciones con formato, y además manejaban archivos grandes con buffering a nivel de disco y memoria para dar respuesta inmediata. Para este tipo de flujo especializado, LabPlot o herramientas similares son realmente esenciales.

    • Aún no he usado esta herramienta, pero si permite visualizar datos con drag & drop, podría ser un complemento excelente para las herramientas existentes.

  • Probablemente este sea el Github del proyecto.
    Github del proyecto

  • Me pregunto si esto está sufriendo el hug of death de HN.

  • Sería realmente útil si agregaran soporte para integración con buckets de S3 y otros sistemas de almacenamiento de objetos en la nube. También estaría bueno incluir soporte para Iceberg, que últimamente está ganando mucha popularidad.

  • Me decepciona que la base de datos compatible actualmente parezca ser solo SQLite. Quería conectarme directamente a una base de datos o a una REST API, pero el proceso de exportar a archivo y luego volver a importar es demasiado engorroso.

  • Me pregunto si esto ocupa una posición parecida a una versión de escritorio de Metabase o Superset.