Visualização de dados com Matplotlib

Introdução

A visualização de dados é um pilar da ciência de dados, permitindo transformar dados brutos em insights significativos. Neste tutorial, exploraremos como criar uma variedade de gráficos e tabelas usando Matplotlib, uma das bibliotecas de visualização de dados mais populares do Python. Se você precisa criar um gráfico de linha simples ou um painel complexo com vários gráficos, este guia mostrará as técnicas essenciais e as opções de personalização para criar visualizações eficazes.

Importando pacotes necessários

Para manter nosso código organizado e evitar repetições, começamos importando os pacotes necessários. Isso garante que todos os trechos de código subsequentes tenham acesso às bibliotecas necessárias.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

O Matplotlib oferece uma interface simples para criar uma variedade de gráficos. Vamos começar com um gráfico de linha simples.

Exemplo: Criação de um gráfico de linha

# Gere alguns dados de amostra
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Criar um gráfico de linhas
plt.figure(figsize=(8, 4))
plt.plot(x, y, label="Sine Wave", color="blue", linewidth=2)
plt.title("Line Plot Example")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.grid(True)
plt.show()

Este trecho de código gera uma onda senoidal e a plota como um gráfico de linha. O gráfico inclui um título, rótulos, uma legenda e linhas de grade para melhorar a legibilidade.

Personalizando seus gráficos

O Matplotlib permite ampla personalização para atender às suas necessidades de apresentação. Você pode ajustar cores, marcadores, estilos de linha e muito mais.

Exemplo: personalização de um gráfico de dispersão

# Gerar dados de amostra para um gráfico de dispersão
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)

plt.figure(figsize=(8, 4))
plt.scatter(x, y, c="red", marker="o", s=100, alpha=0.7)
plt.title("Scatter Plot Example")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.grid(True)
plt.show()

Neste exemplo, um gráfico de dispersão é criado com cores, estilo de marcador, tamanho e transparência personalizados.

Salvar figuras

Depois de criar um gráfico, você pode querer salvá-lo para uso posterior ou incluí-lo em relatórios.

Exemplo: salvar um gráfico em um arquivo

# Crie um gráfico de barras simples
categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]

plt.figure(figsize=(6, 4))
plt.bar(categories, values, color="green")
plt.title("Bar Chart Example")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.savefig("bar_chart.png", dpi=300, bbox_inches="tight")
plt.show()

Este trecho demonstra como salvar um gráfico de barras como um arquivo PNG com alta resolução.

Conclusão

Matplotlib é uma ferramenta versátil para criar uma ampla variedade de visualizações em Python. Ao dominar seus recursos básicos de plotagem, opções de personalização e recursos de salvamento de figuras, você pode apresentar insights de dados com eficácia e dar suporte aos seus projetos de ciência de dados. Experimente estes exemplos e explore mais personalizações para aproveitar ao máximo o poder do Matplotlib.

Leitura adicional

• Visualização de dados com Seaborn
• Data Wrangling com Pandas
• Aprendizado de máquina com Scikit‑Learn

Boa programação e divirta-se criando visualizações atraentes com o Matplotlib!

Explore mais artigos

Nota

Aqui estão mais artigos da mesma categoria para ajudá-lo a se aprofundar no tópico.