Gráficos em Python: visualização de dados com Matplotlib

Fundamentos da criação de gráficos em Python

A visualização de dados é uma ferramenta essencial para a análise de informações. Gráficos ajudam a identificar rapidamente tendências, detectar anomalias e tirar conclusões fundamentadas. O Python oferece um amplo conjunto de bibliotecas para criar visualizações.

Por que usar gráficos em Python

Criar gráficos em Python é fundamental para resolver as seguintes tarefas:

• Análise rápida de grandes conjuntos de dados
• Apresentação visual de resultados de experimentos e pesquisas
• Exibição de dados para clientes e colegas
• Aumento da clareza de relatórios e dashboards
• Identificação de padrões ocultos nos dados
• Criação de visualizações interativas para aplicações web

Visão geral das principais bibliotecas de visualização

Entre as ferramentas mais populares para criar gráficos em Python, destacam-se:

Matplotlib - biblioteca básica de visualização com baixo nível de complexidade. Oferece controle total sobre a aparência dos gráficos.

Pyplot - módulo da biblioteca Matplotlib para criação rápida de gráficos padrão. Conhecido pela sua simplicidade de uso.

Seaborn - biblioteca para visualização estatística, que funciona como uma extensão do Matplotlib. Possui nível médio de complexidade.

Plotly - ferramenta para criar gráficos interativos com nível médio de complexidade.

Pandas Plot - funcionalidades integradas de visualização a partir de DataFrames, com baixo nível de complexidade.

Trabalhando com a biblioteca Matplotlib e o módulo Pyplot

Instalação e importação da biblioteca

Para começar a usar o Matplotlib, é necessário instalar a biblioteca:

pip install matplotlib

Em seguida, importamos os módulos necessários:

import matplotlib.pyplot as plt

Criando um gráfico de linhas simples

Exemplo básico de criação de um gráfico de linhas:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.title("Gráfico de linhas simples")
plt.xlabel("Eixo X")
plt.ylabel("Eixo Y")
plt.show()

O resultado mostra uma relação linear entre as variáveis X e Y.

Personalizando o estilo e a aparência do gráfico

Para melhorar a aparência do gráfico, você pode usar vários parâmetros:

plt.plot(x, y, color='green', linestyle='--', marker='o')
plt.title("Gráfico personalizado")
plt.grid(True)
plt.show()

Principais parâmetros de personalização:

• color - cor da linha
• linestyle - estilo da linha (-- tracejada, -. traço-ponto, : pontilhada)
• marker - marcador para os pontos (o, s, ^, v)
• linewidth - espessura da linha
• alpha - transparência

Criando gráficos de barras e de pizza

Construindo um gráfico de barras

Gráficos de barras são eficazes para comparar valores entre categorias:

categories = ['A', 'B', 'C', 'D']
values = [10, 24, 36, 40]

plt.bar(categories, values, color='skyblue')
plt.title("Gráfico de barras")
plt.xlabel("Categorias")
plt.ylabel("Valores")
plt.show()

Criando um gráfico de pizza

Gráficos de pizza mostram a proporção de cada categoria em relação ao total:

sizes = [40, 30, 20, 10]
labels = ['Python', 'Java', 'C++', 'Ruby']

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title("Gráfico de pizza")
plt.axis('equal')  # garante o formato circular
plt.show()

Parâmetros do gráfico de pizza:

• autopct - formato de exibição das porcentagens
• startangle - ângulo inicial da primeira fatia
• explode - destaca uma fatia específica
• shadow - adiciona sombra ao gráfico