Matplotlib
Carregando, aguarde alguns segundos.

1 - Introdução ao Matplotlib

A biblioteca Matplotlib de plotagem de gráficos de alto nível visual em Python, permite a visualização gráfica de dados, sendo extremamente rápida por ser escrita com a linguagem C.

Foi criada em 2003 por John D. Hunter, um neurocientista que usava MATLAB e queria aperfeiçoar a visualização de dados obtidos por meio de EEGs (eletroencelografia) em sua pesquisa sobre epilepsia.

A visualização gráfica de dados envolve basicamente a análise exploratória de dados (EDA) e plotagens gráficas, sendo uma das habilidades críticas esperadas dos cientistas de dados.

A maioria dos "problemas de negócios" pode ser entendida de forma mais eficaz usando-se as técnicas de visualização dos padrões dos dados.

Outra vantagem da visualização gráfica é simplificar os dados complexos em um formato compreensível, pois é mais fácil a visualização de dados com imagens do que com muitos textos e números.

A visualização é a melhor plataforma de comunicação para a análise e interpretação de dados, ajudando as pessoas a entender facilmente grandes quantidades de informações, tendências, correlações, padrões, distribuições etc.

O Matplotlib tem código aberto que pode ser usado livremente, com o código-fonte no repositório do github https://github.com/matplotlib/matplotlib.

Autores

Roberto Teixeira

Betobyte

Cientista de Dados

CIEDA

cieda.com.br

roberto@cieda.com.br

Autor

Carlos Delfino

Arduino

Cientista de Dados

Basicão da Eletrônica

www.carlosdelfino.eti.br

consultoria@carlosdelfino.eti.br

Coautor

1.1 - Instalação

Para instalar o pacote Matplotlib utilize o PIP no prompt de comandos do SO.

pip install matplotlib

1.2 - Importação

Após o Matplotlib ser instalado, pode ser importado em suas instruções e aplicativos.

import matplotlib

Agora o Matplotlib está importado e pronto para uso.

Veja a versão do pacote com o atributo __version__, inclusive para verificar se o matplotlib está instalado corretamente.

matplotlib.__version__

1.3 - Pyplot

A maioria dos recursos do Matplotlib está presente no módulo Pyplot.

O Pyplot é comumente importado com o alias plt:

import matplotlib.pyplot as plt

Agora, o módulo Pyplot pode ser referido com plt.

Exemplo: desenhe uma linha em um gráfico da posição (0,0) até a posição (6,250).

import matplotlib.pyplot as plt

pontos_x = [0, 6]
pontos_y = [0, 250]

plt.plot(pontos_x, pontos_y)

plt.show()

1.4 - Plotagem

Plotagem é o ato, processo ou efeito de plotar, localizar, situar. Na informática, é a produção da imagem de um gráfico a partir de dados.

A função plot() do Pyplot é usada para desenhar pontos e marcadores no diagrama de um gráfico, desenhando por padrão linhas ponto a ponto.

A função recebe parâmetros que especificam o aspecto dos pontos no diagrama.

O primeiro parâmetro é uma matriz contendo os pontos no eixo x.

O segundo parâmetro é uma matriz contendo os pontos no eixo y.

O Matplotlib pode receber como fonte de dados: listas nativas do Python(list); matrizes do Numpy (ndarray); séries (Series) e dataframes (DataFrame) do Pandas; entre outras.

Exemplo: desenhe uma linha em um diagrama da posição (1, 3) para a posição (8, 10) usando a função plot() e os parâmetros com os pontos inicial e final nas listas [1, 8] e [3, 10].

import matplotlib.pyplot as plt
#
pontos_x = [1, 8]
pontos_y = [3, 10]
#
plt.plot(pontos_x, pontos_y)
#
plt.show()

Exemplo: desenhe uma linha em um diagrama, usando a função plot(), da posição de x de 0 a len(y)-1, como ocorre por padrão quando apenas y é informado.

import matplotlib.pyplot as plt
y=[0,3,0,5,0,7,0]
plt.plot(y)
plt.show()

1.5 - Pacotes de bibliotecas complementares

Além do Matplotlib, que já explicamos como instalar e importar, o Python oferece várias bibliotecas para o gerenciamento e visualização de dados com gráficos.

Algumas das mais populares utilizadas em nossos exemplos são:

  • Numpy
  • Pandas
  • Seaborn
  • Plotly
  • Circlefy
  • Waffler
  • Squarify
  • Wordcloud
  • Colorspacious

A instalação dos pacotes é realizada com o pip> no prompt de comandos do SO:

  • pip install numpy
  • pip install pandas
  • pip install seaborn
  • pip install plotly
  • pip install circlefy
  • pip install waffler
  • pip install squarify
  • pip install wordcloud
  • pip install colorspacious

A utilização dos pacotes é realizada com a instrução import:

  • import numpy
  • import pandas
  • import seaborn
  • import plotly
  • import circlefy
  • import waffler
  • import squarify
  • import wordcloud
  • import colorspacious

Instale estes pacotes, pois são importantes para a realização da ciência de dados usando o Python com matemática e estatística.

Arduino
Coautor
Betobyte
Autor
Autores
||| Áreas ||| Estatística ||| Python ||| Projetos ||| Dicas & Truques ||| Quantum ||| Matplotlib || Python para Iniciantes || Python Básico || Matplotlib || Numpy || Seaborn || Pandas || Django || Estatística para Cientistas de Dados || Python com ML Básico || Python com ML Básico || Aulas | Introdução (introdução, pyplot, plotagem, pacotes complementares) | Gráficos básicos (barra, pizza, linhas, pontos) | Customizações (cores, linhas, marcadores) | Gráficos elaborados (pista, radial, bolhas) | Distribuições (violino, densidade, histograma, caixa, cumeeira) | Correlações (dispersão, calor, correlograma, bolha, dispersão conectada, densidade 2d) | Partições (árvore, venn, rosca, pizza, dentrograma, empacotamento circular) | Classificações (barras, radar, nuvem de palavras, paralelas, pirulito, barras circulares) | Galeria (Gráfico de dispersão 3D, GD 3D com autovetores, Cubo 3D, Distribuição Gaussiana Multivariada com superfície colorida, DGM como grade de malha, Gráfico de Barras Vertical com barras de erro, GB horizontal com barras de erro, GB back-to-back, GB agrupadas, GB empilhadas, GB com rótulos, GB com rotação, GB com gradiente de cores, preenchimento de padrão, Gráficos de Caixa (boxplot), GC preta e branca, GC, horizontal, GC cheia, GC personalizadas, GC e barra de violinos, GC simples, subplots, cores, eixo estético, rótulos personalizados, linhas de grade, folhas de estilos, mapas de calor, de cores, histogramas, e mais.) |