Visualização de Dados com Matplotlib

Introdução

Este laboratório foi projetado para apresentar os conceitos básicos de visualização de dados usando Matplotlib. Matplotlib é uma biblioteca popular de visualização de dados para Python que oferece uma ampla gama de opções para criar gráficos, diagramas e mapas.

Dicas para a VM

Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.

Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.

Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.

Configuração

Antes de começarmos, precisamos garantir que o Matplotlib esteja instalado. Você pode instalá-lo usando o pip, executando o seguinte comando:

!pip install matplotlib

Uma vez instalado, precisamos importar a biblioteca e configurar o ambiente:

import matplotlib.pyplot as plt
import numpy as np

## Fixing random state for reproducibility
np.random.seed(19680801)

## Create new Figure with black background
fig = plt.figure(figsize=(8, 8), facecolor='black')

## Add a subplot with no frame
ax = plt.subplot(frameon=False)

Gerando Dados Aleatórios

Nesta etapa, geraremos dados aleatórios que usaremos para criar nosso gráfico.

## Generate random data
data = np.random.uniform(0, 1, (64, 75))
X = np.linspace(-1, 1, data.shape[-1])
G = 1.5 * np.exp(-4 * X ** 2)

Criando Gráficos de Linha

Criaremos gráficos de linha usando os dados aleatórios que geramos na etapa anterior.

## Generate line plots
lines = []
for i in range(len(data)):
    ## Small reduction of the X extents to get a cheap perspective effect
    xscale = 1 - i / 200.
    ## Same for linewidth (thicker strokes on bottom)
    lw = 1.5 - i / 100.0
    line, = ax.plot(xscale * X, i + G * data[i], color="w", lw=lw)
    lines.append(line)

Definindo Limites e Removendo Ticks

Nesta etapa, definiremos o limite y e removeremos os ticks do gráfico.

## Set y limit (or first line is cropped because of thickness)
ax.set_ylim(-1, 70)

## No ticks
ax.set_xticks([])
ax.set_yticks([])

Adicionando Título

Adicionaremos um título ao nosso gráfico.

## 2 part titles to get different font weights
ax.text(0.5, 1.0, "MATPLOTLIB ", transform=ax.transAxes,
        ha="right", va="bottom", color="w",
        family="sans-serif", fontweight="light", fontsize=16)
ax.text(0.5, 1.0, "UNCHAINED", transform=ax.transAxes,
        ha="left", va="bottom", color="w",
        family="sans-serif", fontweight="bold", fontsize=16)

Animando o Gráfico

Agora animaremos o gráfico deslocando os dados para a direita e preenchendo novos valores.

import matplotlib.animation as animation

def update(*args):
    ## Shift all data to the right
    data[:, 1:] = data[:, :-1]

    ## Fill-in new values
    data[:, 0] = np.random.uniform(0, 1, len(data))

    ## Update data
    for i in range(len(data)):
        lines[i].set_ydata(i + G * data[i])

    ## Return modified artists
    return lines

## Construct the animation, using the update function as the animation director.
anim = animation.FuncAnimation(fig, update, interval=10, save_count=100)
plt.show()

Resumo

Neste laboratório, aprendemos os fundamentos da visualização de dados usando Matplotlib. Geramos dados aleatórios, criamos gráficos de linhas, definimos limites e removemos marcas de escala (ticks), adicionamos um título e animamos o gráfico. Estes são apenas os fundamentos, e Matplotlib oferece muitas mais opções para personalizar e aprimorar suas visualizações.