0Pricing
Python Academy · Aula

Visualização de dados com Matplotlib

Descubra como criar visualizações para entender seus dados.

Visualização de dados com Matplotlib é uma aula grátis de Python Academy 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 Python Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Python Academy inclui 5 aulas no total.

Introdução ao Matplotlib

Introdução ao Matplotlib

Matplotlib é uma biblioteca Python popular 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.

Visualização de dados com Matplotlib — ilustração 1

Instalação do Matplotlib

Instalação do Matplotlib

Para instalar o Matplotlib, use o seguinte comando no 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 a disposição.
  • Não rotular eixos e gráficos para garantir clareza.

O que aprendemos?

O que aprendemos?

Nesta lição, você aprendeu:

  • Como instalar e importar o Matplotlib.
  • Como criar gráficos de linhas, gráficos de barras, gráficos de dispersão e histogramas.
  • Como personalizar gráficos com rótulos, legendas e vários gráficos.

Muito bem! Vamos passar ao próximo tópico.

Visualização de dados com Matplotlib — ilustração 11

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 Python Academy, atualize para CoddyKit PRO. O curso de Python Academy 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 Python Academy 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 Python Academy?

Nenhuma experiência prévia é necessária. Python Academy 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 Python Academy?

Sim. Cada aula de Python Academy 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

  1. Análise de dados com Pandas
  2. Visualização de dados com Matplotlib
  3. NumPy para cálculos numéricos
  4. Trabalhando com APIs usando requests
  5. Web scraping com BeautifulSoup
← Voltar para Python Academy