Nesse artigo vamos te ensinar a como plotar gráficos com python de forma simples e rápida. Com efeito, ter o conhecimento de plotar gráficos é essencialmente importante para diversas áreas das ciências. Decerto, ter a capacidade de plotar gráficos permite que você veja seus dados para além de números, formas visuais nos ajudam a compreender melhor bancos de dados e ter melhores noções sobre o que estamos estudando.

Nesse sentido, hoje nós da MeuGuru trouxemos um artigo especial para você. Com efeito, nesse texto vamos iniciar uma série de artigos sobre como plotar gráficos com uso da linguagem de programação python. Decerto, exploraremos aqui algumas características iniciais que serão as bases para podemos progredir nos próximos textos. Além disso, já começaremos com o passo a passo para uma elaboração de um gráfico de uma função de uma variável e como podemos iniciar uma personalização da caixa de plotagem.

Por que é importante saber plotar gráficos

Antes de tudo vamos começar nosso artigo te explicando o por que é importante que você saiba plotar gráficos. Com efeito, a plotagem de gráficos desempenha um papel fundamental na análise e na comunicação de dados, sendo uma ferramenta indispensável para cientistas, pesquisadores, profissionais de dados e até mesmo para pessoas que desejam compreender e visualizar informações de maneira clara e eficaz. Decerto, ao utilizar gráficos, é possível apresentar dados de forma visualmente atraente e acessível, permitindo uma compreensão mais rápida e completa das informações em comparação com a mera apresentação de números ou tabelas.

Assim, em primeiro lugar, os gráficos facilitam a identificação de padrões, tendências e relações entre os dados. Nesse sentido, ao representar os dados em um gráfico, é possível visualizar visualmente a distribuição dos valores, a evolução ao longo do tempo e a correlação entre diferentes variáveis. Essa representação visual torna mais fácil identificar insights, anomalias ou padrões que podem não ser tão evidentes em uma tabela de dados.

Além disso, os gráficos permitem a comparação e a apresentação de informações de forma mais concisa e impactante. Então, ao invés de listar uma série de números ou apresentar um conjunto extenso de dados em formato tabular, um gráfico pode resumir essas informações de forma visualmente atraente.

Através de diferentes tipos de gráficos, como gráficos de barras, gráficos de dispersão ou gráficos de pizza, é possível destacar diferenças, proporções, tendências e distribuições de maneira clara e intuitiva. Ao utilizar recursos visuais, como cores, formas e tamanhos, é possível criar gráficos que capturam a atenção do público e facilitam a compreensão das informações apresentadas. Ademais, gráficos bem projetados podem ajudar a envolver o público, transmitir mensagens-chave e tornar a apresentação dos dados mais envolvente e memorável.

Conhecendo o Python e bibliotecas para plotar gráficos

Agora, vamos começar a falar um pouco sobre o Python. Com efeito, a linguagem de programação python é uma linguagem de programação de alto nível que possui uma sintaxe simples de ser aprendida. De fato, você pode procurar vários tutoriais na internet que te ajudarão incrivelmente com o aprendizado nessa linguagem.

Aqui, vou partir da ideia de que você já tem alguma noção e familiaridade com a linguagem python. Assim, nosso foco será entender e explicar como podemos utilizar essa linguagem para gerar gráficos. Com efeito, de início vamos estar interessados na ideia de gerar gráficos de uma função matemática e para isso você pode usar recursos como o google colab onde citamos esse artigo gráficos online para que você possa conhecer melhor a plataforma.

As duas bibliotecas importantes

Com efeito, começamos agora explicando um pouco sobre duas bibiotecas que usaremos. Em verdade, essas bibliotecas são as chamadas matplotlib.pyplot e a numpy. Certamente, essas são duas bibliotecas simples e conhecidas que possuem diversas ferramentas robustas para plotagem gráficas. Em particular temos que

• A biblioteca matplotlib.pyplot é uma biblioteca utilizada para a plotagem efetiva de gráficos. Ademais, ela apresenta uma gama de comandos e permite uma diversa quantidade de parâmetros em suas funções de modo que seja possível obter um gráfico extremamente personalizado através de suas funcionalidades. Além disso, ela ainda permite a plotagem e visualização em diversos formatos como: histogramas, gráficos de pontos, gráficos de dispersões, plots de funções dentre outras.
• A biblioteca numpy é uma biblioteca utilizada para a computação científica. Com efeito, ela possui diversas funcionalidades que vão desde a determinação de intervalos entre dois parâmetros dados até a computação de equações diferenciais de forma simples e direta. Certamente, ela é uma biblioteca poderosa e dominar o numpy pode te ajudar muito na sua vida de programador.

Nesse sentido, vamos agora te mostrar como você pode chamar as bibliotecas para uso em seu programa. Em particular, isso é feito com uso do import “nome da biblioteca” as (renomeação da biblioteca para um nome que irá simplificar seu uso) nome renomado. Então, veja como fizemos:

Em geral, é uma convenção renomear as duas bibliotecas para o descrito acima. Decerto isso irá facilitar nossa vida ao plotarmos gráficos.

Um passo a passo de como plotar gráficos

Agora, vamos ao passo a passo para plotar o gráfico de uma função. Para tanto, vamos escolher uma função do segundo grau digamos f(x) = x^2+2x+3. Nosso objetivo será plotar o gráfico dessa função. Nesse sentido, é necessário fazermos duas coisas:

• Definir o domínio da função. Com efeito, essa etapa é feita com uso da biblioteca numpy. Então, vamos pegar nossa variável x declararemos ela como um vetor que contém vários números entre um intervalo escolhido. Para isso, usamos a função np.linspace(valor inicial, valor final, quantidade de termos). Essa função é usada da biblioteca numpy que chamamos agora de np a qual pegará o valor inicial e o valor final e irá dividir esse intervalo na quantidade de termos fornecida como terceiro argumento. Por exemplo, se o valor inicial for -5 e o final 5 e a quantidade de termos for 1000 isso significa que nessa linha do programa x =np.linspace(-5,5,1000) o programa irá criar um vetor cujo primeiro elemento é -5 e o último é 5 e entre esses dois números havará 1000 números que estarão igualmente espaçados.
• Declarar a função. Agora, devemos declarar nossa função o que é essencialmente simples de ser feito e é obtido apenas com as ferramentas do prôprio python do seguinte modo:
  • def f(x): return x**2 + 2*x + 3.
  • Onde, a notação de 1 símbolo * indica a multiplicação e de ** indica a exponenciação. Feito isso teremos declarado nossa função em python.
• Agora, já podemos plotar nossa função o que é feito em apenas 2 linhas. Para isso usamos os recursos da biblioteca matplotlib.pyplot do seguinte modo:
  • plt.plot(x,f(x)) que indica que será plotado o vetor f(x) no eixo vertical e o x no eixo horizontal
  • plt.show() que exibe a caixa de plotagem com o gráfico pronto.

Com isso, temos as seguintes linhas de código:

Ademais, essas linhas permitem a nós gerar o seguinte gráfico.

Personalizando o gráfico

Entretanto, o gráfico acima pode ainda ser melhorado com algumas funcionalidades vindas da biblioteca matplotlib.pyplot. Com efeito, podemos introduzir legendas nos eixos, um título e ainda colocar uma malha (Grid). Em verdade, isso é feito do seguinte modo:

• O comando: plt.xlabel(“texto do eixo x”) estabelece uma legenda no eixo horizontal da caixa gráfica com nome texto.
• O comando: plt.ylabel(“texto do eixo y”) estabelece uma legenda no eixo vertical da caixa gráfica com nome texto do eixo y.
• O comando: plt.title(“Gráfico”) estabelece um título para o gráfico com nome de “Gráfico”.
• O comando: plt.grid(True, linestyle = “–“) estabelece a criação de uma grid (malha quadriculada) atrás do gráfico com linhas pontilhadas.
  • Com efeito, o comando linestyle pode ser usado em várias outras funções e inclusive caso coloquemos ele na função plt.plot(x,f(x),linestyle = “–“) teremos a geração de uma função pontilhada.
  • Ademais, o comando fontesize = 14 muda o tamanho da fonte para partes que tem texto para o tamanho 14. Mudar o número 14 gerará outros tamanhos de fonte.

Então, isso nos dá, em linhas de código o seguinte programa.

o qual nos gera a seguinte imagem gráfica. Com toda certeza, bem mais bonita que a anterior em gurunauta?.

Referências

• MATPLOTLIB. Matplotlib Documentation. Disponível em: https://matplotlib.org/stable/contents.html. Acesso em: 11 out. 2023.
• REAL PYTHON. A comprehensive introduction to Matplotlib for data visualization in Python. Disponível em: https://realpython.com/tutorials/data-viz/matplotlib/. Acesso em: 11 out. 2023.
• MCKINNEY, Wes. Python for Data Analysis. 2nd ed. Sebastopol, CA: O’Reilly Media, 2017.
• SEABORN. Seaborn Documentation. Disponível em: https://seaborn.pydata.org/tutorial.html. Acesso em: 11 out. 2023.
• PLOTLY. Plotly Documentation. Disponível em: https://plotly.com/python/. Acesso em: 11 out. 2023.
• SILVA, Roberto. Data Visualization in Python: Matplotlib vs. Seaborn. Towards Data Science, 2019. Disponível em: https://towardsdatascience.com/data-visualization-in-python-matplotlib-vs-seaborn-282c8bc5fa51. Acesso em: 11 out. 2023.
• ROOT, Benjamin. Interactive Data Visualization with Python. Birmingham, UK: Packt Publishing, 2021.