Visualização de dados com Matplotlib
Descubra como criar visualizações para entender seus dados
Visualização de dados com Matplotlib é uma aula grátis de Learn AI with Python no CoddyKit. Esta é a aula 2 de 5. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Learn AI with Python, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Learn AI with Python inclui 5 aulas no total.
Introdução ao Matplotlib
Introdução ao Matplotlib
Matplotlib é uma biblioteca popular do Python para criar visualizações, incluindo gráficos de linhas, gráficos de barras, gráficos de dispersão e muito mais.
Nesta lição, você aprenderá a usar o Matplotlib para criar e personalizar vários tipos de gráficos.

Instalando o Matplotlib
Instalando o Matplotlib
Para instalar o Matplotlib, use o comando a seguir no seu terminal:
pip install matplotlib
Depois de instalado, você poderá importá-lo nos seus scripts Python:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Criando um gráfico de linhas simples
Criando um gráfico de linhas simples
Você pode criar um gráfico de linhas básico usando a função plot() do Matplotlib:
# Creating a simple line plot
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Personalizando gráficos
Personalizando gráficos
O Matplotlib permite personalizar gráficos com títulos, rótulos, legendas e diferentes estilos de linha:
# Customizing a plot
plt.plot(x, y, label="Line 1", linestyle="--", color="red")
plt.legend()
plt.title("Customized Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Criando gráficos de barras
Criando gráficos de barras
Os gráficos de barras são úteis para comparar categorias. Use a função bar() para criar um gráfico de barras:
# Creating a bar chart
categories = ["A", "B", "C"]
values = [10, 15, 7]
plt.bar(categories, values, color="blue")
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.show()Criando gráficos de dispersão
Criando gráficos de dispersão
Os gráficos de dispersão são úteis para mostrar relações entre duas variáveis. Use a função scatter():
# Creating a scatter plot
x = [5, 7, 8, 7]
y = [3, 8, 6, 4]
plt.scatter(x, y, color="green")
plt.title("Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()Criando histogramas
Criando histogramas
Os histogramas mostram a distribuição de um conjunto de dados. Use a função hist():
# Creating a histogram
data = [1, 1, 2, 3, 3, 3, 4, 4, 5]
plt.hist(data, bins=5, color="purple")
plt.title("Histogram")
plt.xlabel("Bins")
plt.ylabel("Frequency")
plt.show()Adicionando vários gráficos
Adicionando vários gráficos
Você pode adicionar vários gráficos à mesma figura usando a função subplot():
# Adding multiple plots
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Plot")
plt.subplot(2, 1, 2)
plt.bar([1, 2, 3], [7, 8, 9])
plt.title("Second Plot")
plt.tight_layout()
plt.show()Erros comuns com o Matplotlib
Erros comuns com o Matplotlib
Veja alguns erros que devem ser evitados:
- Esquecer de chamar
plt.show()para exibir o gráfico. - Usar elementos sobrepostos sem ajustar o layout.
- Não rotular os eixos e os gráficos para facilitar a compreensão.
O que aprendemos?
O que aprendemos?
Nesta lição, você aprendeu:
- Como instalar e importar Matplotlib.
- Como criar gráficos de linhas, gráficos de barras, gráficos de dispersão e histogramas.
- Como personalizar gráficos com rótulos, legendas e vários gráficos.
Parabéns! Vamos passar ao próximo tópico.

Perguntas Frequentes
A aula “Visualização de dados com Matplotlib” é grátis?
Sim — o texto completo de “Visualização de dados com Matplotlib” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Learn AI with Python, atualize para CoddyKit PRO. O curso de Learn AI with Python inclui 5 aulas no total.
O que vou aprender em “Visualização de dados com Matplotlib”?
Descubra como criar visualizações para entender seus dados Você pratica Learn AI with Python com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Learn AI with Python?
Nenhuma experiência prévia é necessária. Learn AI with Python no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 5.
Quanto tempo leva a aula “Visualização de dados com Matplotlib”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Learn AI with Python?
Sim. Cada aula de Learn AI with Python inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Análise de dados com Pandas
- Visualização de dados com Matplotlib
- NumPy para cálculos numéricos
- Trabalhando com APIs usando requests
- Extração de dados da web com BeautifulSoup