W3docs
pt
Entrar

Introdução ao Matplotlib

Aprenda o que é o Matplotlib, como funciona e como criar seus primeiros gráficos em Python com exemplos de linhas, rótulos e subplots.

O Matplotlib é a biblioteca de visualização de dados mais amplamente utilizada em Python. Este capítulo explica o que é o Matplotlib, como funciona sua arquitetura principal e como produzir seus primeiros gráficos — desde um gráfico de linha mínimo até uma figura com rótulos e múltiplos painéis. Os capítulos seguintes desta seção aprofundam cada tipo de gráfico.

O que é o Matplotlib?

O Matplotlib é uma biblioteca Python de código aberto para criação de visualizações estáticas, animadas e interativas. John D. Hunter lançou a primeira versão em 2003, inicialmente para replicar os comandos de plotagem do MATLAB dentro do Python. Hoje ele serve de base para muitas ferramentas de visualização de nível mais alto (Seaborn, Pandas .plot(), SciPy) e é o padrão de facto para figuras de qualidade de publicação em ciência e engenharia.

Por que usar o Matplotlib?

  • Ampla variedade de tipos de gráficos — linha, dispersão, barras, histograma, pizza, caixa, violino, mapa de calor, contorno, superfícies 3D e muito mais.
  • Controle detalhado — cada elemento de uma figura (eixos, marcas de escala, fontes, cores, legendas) é acessível e configurável.
  • Múltiplos formatos de saída — PNG, PDF, SVG, EPS e HTML interativo (via o backend widget).
  • Integração com o ecossistema — funciona diretamente com arrays NumPy, DataFrames Pandas e SciPy.
  • Gratuito e de código aberto — licença BSD, comunidade ativa, documentação extensa.

Quando escolher o Matplotlib?

Use o Matplotlib quando precisar de controle preciso e pronto para publicação sobre cada elemento visual, ou quando estiver construindo sobre um sistema que requer uma biblioteca estável e bem suportada. Para plotagens exploratórias rápidas em DataFrames, o .plot() integrado do Pandas (que chama o Matplotlib por baixo) costuma ser mais rápido de escrever. Para gráficos estatísticos com uma API de nível mais alto, o Seaborn é um complemento popular que ainda permite retornar ao Matplotlib para ajustes finos.

Como o Matplotlib é Estruturado

Entender a arquitetura de duas camadas do Matplotlib evita muita confusão mais adiante.

Os objetos Figure e Axes

Toda visualização do Matplotlib vive dentro de uma Figure. Uma Figure é o contêiner de nível superior — pense nela como a tela. Dentro de uma Figure você posiciona um ou mais objetos Axes. Um Axes é a área de plotagem real que contém o eixo x, o eixo y, marcas de escala, linhas de grade e os dados.

Figure
└── Axes (one or more)
    ├── x-axis (XAxis)
    ├── y-axis (YAxis)
    ├── Title
    ├── Lines / Patches / Collections (the plotted data)
    └── Legend

Estilo pyplot versus estilo orientado a objetos

O Matplotlib expõe duas interfaces:

Estilo pyplot — um conjunto de funções em matplotlib.pyplot que gerenciam automaticamente a Figure e os Axes atuais. Isso espelha o fluxo de trabalho do MATLAB e é conveniente para scripts rápidos e pontuais.

Estilo orientado a objetos (OO) — você cria objetos Figure e Axes explicitamente e chama métodos neles. Isso é preferido em código de produção, funções e qualquer script que crie mais de uma figura, pois deixa claro exatamente em quais eixos cada comando age.

Ambos os estilos produzem saída idêntica. Os exemplos neste capítulo usam o estilo OO e indicam onde o atalho pyplot difere.

Instalando o Matplotlib

O Matplotlib não faz parte da biblioteca padrão do Python. Instale-o com pip:

pip install matplotlib

Se você usa Anaconda ou Miniconda, o Matplotlib já está incluído por padrão. Para instalá-lo explicitamente:

conda install matplotlib

Verifique a instalação:

python -c "import matplotlib; print(matplotlib.__version__)"

Importando o Matplotlib

A convenção de importação padrão em toda a comunidade Python é:

Importação padrão do Matplotlib

import matplotlib.pyplot as plt

O alias plt é universal — todo tutorial, livro e resposta no Stack Overflow o utiliza, então mantenha-o.

Se você também precisa do NumPy (comum para gerar dados):

Importar Matplotlib e NumPy juntos

import numpy as np
import matplotlib.pyplot as plt

Seu Primeiro Gráfico

O script Matplotlib mais simples possível: duas listas de números, uma chamada a plot(), uma chamada a show().

Gráfico de linha mínimo

import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 4, 9, 16]

fig, ax = plt.subplots()   # create Figure and Axes
ax.plot(x, y)              # draw a line through the points
plt.show()                 # open the display window (scripts only)

plt.subplots() retorna uma tupla (fig, ax). A maior parte do código nesta seção usa esse padrão porque deixa explícito em quais Axes você está desenhando.

Em notebooks Jupyter, plt.show() é opcional — os gráficos são renderizados inline automaticamente quando uma célula termina de executar.

Em scripts autônomos, plt.show() abre uma janela e pausa a execução até que ela seja fechada. Sem ele, o script termina antes que a janela apareça.

Adicionando Rótulos e um Título

Rótulos de eixo e um título transformam um gráfico bruto em uma figura legível.

Gráfico de linha com rótulos e título

import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 4, 9, 16]

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlabel('x')
ax.set_ylabel('x squared')
ax.set_title('Square Numbers')
plt.show()
MétodoO que define
ax.set_xlabel('text')Rótulo no eixo horizontal
ax.set_ylabel('text')Rótulo no eixo vertical
ax.set_title('text')Título acima do gráfico

Consulte o capítulo Matplotlib Labels para opções de tamanho de fonte, peso e posicionamento.

Personalizando o Estilo de Linha e a Cor

ax.plot() aceita argumentos de palavra-chave que controlam a aparência visual da linha.

Linha vermelha tracejada

import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 4, 9, 16]

fig, ax = plt.subplots()
ax.plot(x, y, color='red', linestyle='--', linewidth=2)
ax.set_title('Dashed Red Line')
plt.show()

Valores comuns de linestyle: '-' (sólido, padrão), '--' (tracejado), ':' (pontilhado), '-.' (traço-ponto).

Cores nomeadas comuns: 'blue', 'red', 'green', 'orange', 'purple', 'black'. Códigos hexadecimais como '#1f77b4' também funcionam.

Consulte Matplotlib Line e Matplotlib Markers para uma lista completa de opções de estilo.

Plotando Múltiplas Linhas e Adicionando uma Legenda

Chame ax.plot() mais de uma vez para sobrepor múltiplas linhas nos mesmos Axes. Passe label= a cada chamada e depois chame ax.legend() para renderizar a caixa de legenda.

Duas linhas sobrepostas com legenda

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)

fig, ax = plt.subplots()
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)', linestyle='--')
ax.set_xlabel('Angle (radians)')
ax.set_ylabel('Value')
ax.set_title('Sine and Cosine')
ax.legend()
plt.show()

np.linspace(0, 2 * np.pi, 100) cria 100 números igualmente espaçados de 0 a 2π — uma maneira conveniente de produzir curvas suaves.

Criando Subplots

plt.subplots(rows, cols) cria uma grade de Axes dentro de uma única Figure. Você acessa cada Axes pelo índice.

Grade 2×2 com diferentes tipos de gráficos

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

fig, axs = plt.subplots(2, 2, figsize=(8, 6))

axs[0, 0].plot(x, y)
axs[0, 0].set_title('Line')

axs[0, 1].scatter(x[::5], y[::5])  # every 5th point
axs[0, 1].set_title('Scatter')

axs[1, 0].bar(['A', 'B', 'C'], [3, 7, 5])
axs[1, 0].set_title('Bar')

axs[1, 1].hist(np.random.randn(500), bins=20)
axs[1, 1].set_title('Histogram')

fig.tight_layout()   # prevent overlapping labels
plt.show()

fig.tight_layout() ajusta automaticamente o espaçamento entre subplots para que títulos e rótulos não se sobreponham. É quase sempre uma boa ideia chamá-lo ao usar subplots.

Consulte Matplotlib Subplot para mais informações sobre layouts em grade, eixos compartilhados e GridSpec.

Salvando Figuras

Para salvar uma figura em um arquivo em vez de exibi-la interativamente, chame fig.savefig() antes de plt.show().

Salvar uma figura como PNG e PDF

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [4, 5, 6])
ax.set_title('Saved Figure')

fig.savefig('my_plot.png', dpi=150)   # raster: PNG at 150 DPI
fig.savefig('my_plot.pdf')            # vector: PDF (no DPI needed)
plt.show()

O argumento dpi (pontos por polegada) controla a resolução para formatos raster. dpi=150 é um bom equilíbrio entre tamanho de arquivo e qualidade de impressão; dpi=300 é o padrão para figuras em periódicos científicos.

Os formatos suportados incluem PNG, PDF, SVG, EPS e TIFF. O Matplotlib detecta o formato a partir da extensão do arquivo automaticamente.

O que vem a seguir

Este capítulo apresentou os conceitos principais do Matplotlib. O restante da seção Python Matplotlib aborda cada tópico em profundidade:

Was this page helpful?