Recursos do Pyplot

1. Fundamentos do Pyplot

Criando um gráfico simples

Agora que temos o Matplotlib em mãos, bora entender suas partes principais. Pyplot é um módulo pequeno, mas super útil, dentro do Matplotlib. Ele permite criar gráficos de maneira rápida e fácil, como se você estivesse desenhando em uma tela.

import matplotlib.pyplot as plt

# Criamos o gráfico mais simples
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])
plt.show()

E aí está o seu primeiro gráfico! Ele não vai ganhar prêmios de beleza, mas acredite, isso é só o começo.

Aprimorando o gráfico

Criar um gráfico no pyplot envolve alguns passos básicos:

1. Preparar os dados para o gráfico.
2. Escolher o tipo de gráfico (por exemplo, plot() para gráfico de linha).
3. Customizar o gráfico (rótulos, título e legenda).
4. Exibir o gráfico usando a função show().

Bora tentar melhorar nosso primeiro gráfico...

Gráfico de linha

import matplotlib.pyplot as plt

# Dados para o gráfico
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Criando o gráfico de linha
plt.plot(x, y)

# Configuração dos rótulos dos eixos e título
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Exemplo de gráfico de linha")

# Exibindo o gráfico
plt.show()

Este código cria um gráfico de linha, mostrando os valores de y no eixo Y de acordo com os valores de x no eixo X. As funções xlabel(), ylabel() e title() adicionam rótulos e um título ao gráfico.

2. Tipos básicos de gráficos no Pyplot

1. Gráfico de linha plot()

Gráficos de linha são frequentemente usados para mostrar dados ao longo do tempo ou para análises de tendências.

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y, marker="o", color="b", linestyle="--")
plt.xlabel("Tempo")
plt.ylabel("Valor")
plt.title("Gráfico de linha")
plt.show()

Aqui usamos os parâmetros marker, color e linestyle para customizar a aparência do gráfico.

2. Histograma hist()

Histogramas são úteis para mostrar a distribuição de dados e analisar a frequência de ocorrência de valores.

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5]

plt.hist(data, bins=5, color="skyblue", edgecolor="black")
plt.xlabel("Valor")
plt.ylabel("Frequência")
plt.title("Histograma")
plt.show()

Aqui o parâmetro bins define a quantidade de colunas do histograma, enquanto edgecolor adiciona contornos para cada coluna.

3. Gráfico de pizza pie()

Gráficos de pizza mostram a proporção de categorias dentro do total de dados.

labels = ["Gatos", "Cachorros", "Pássaros"]
sizes = [40, 35, 25]

plt.pie(sizes, labels=labels, autopct="%1.1f%%", startangle=90)
plt.title("Gráfico de pizza")
plt.show()

Aqui autopct mostra os valores percentuais para cada categoria, enquanto startangle gira o gráfico.

4. Gráfico de dispersão scatter()

Gráficos de dispersão são úteis para analisar a relação entre duas variáveis.

x = [1, 2, 3, 4, 5]
y = [5, 7, 8, 5, 6]

plt.scatter(x, y, color="red")
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Gráfico de dispersão")
plt.show()

O gráfico de dispersão é ótimo para identificar correlações entre os valores nos eixos X e Y.

5. Gráfico de barras bar()

Gráficos de barras são úteis para comparar valores entre categorias.

categories = ["A", "B", "C", "D"]
values = [10, 15, 7, 20]

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

Aqui categories e values representam os rótulos das categorias e seus respectivos valores para criar as barras.

Agora você já conhece o básico da criação e customização de gráficos no Matplotlib e está pronto para criar seus próprios gráficos. Mas isso é apenas o começo da nossa jornada. Nas próximas aulas, vamos explorar em profundidade outros tipos de gráficos e como customizá-los. No final, você será capaz de criar gráficos que não apenas são bonitos, mas também super informativos.

Lembre-se que visualização de dados não é só sobre gráficos, mas também sobre contar histórias, e o Matplotlib será seu contador de histórias. Até a próxima aula, onde vamos aprimorar suas habilidades e explorar novos horizontes no mundo das visualizações gráficas!