Neste tutorial vou mostrar com criar um gráfico do tipo “boxplot” em Python, usando a biblioteca matplotlib.

O que é um boxplot?

Um boxplot (ou diagrama de caixa) é um tipo de gráfico estatístico utilizado para representar a distribuição de dados quantitativos de forma visual e resumida.

Ele é composto por uma caixa, que representa o intervalo interquartil (IIQ), e dois “whiskers” (ou hastes) que se estendem a partir da caixa, representando o mínimo e o máximo dos dados (ou ainda um valor específico definido pelo usuário).

A linha central da caixa é a mediana, enquanto a borda inferior da caixa é o primeiro quartil (Q1) e a borda superior da caixa é o terceiro quartil (Q3). Os pontos fora das hastes são considerados outliers ou discrepantes.

Elementos de um boxplot.
Imagem: Wikipedia

O boxplot é uma ferramenta útil para identificar valores extremos e assimetrias nos dados, além de permitir a comparação de diferentes conjuntos de dados. Ele é amplamente utilizado em áreas como estatística, ciência de dados e análise financeira para explorar e visualizar a distribuição de dados quantitativos.

Como criar o gráfico

Para criar um gráfico de boxplot completo usando a biblioteca Matplotlib em Python, vamos seguir as etapas abaixo:

1. Importamos as bibliotecas necessárias – matplotlib e numpy:

import matplotlib.pyplot as plt
import numpy as np

2. Criamos um conjunto de dados de exemplo. Neste exemplo, criaremos três conjuntos de dados diferentes, contendo números gerados de forma aleatória com o uso de random:

dados_1 = np.random.normal(0, 2, 100)
dados_2 = np.random.normal(5, 3, 100)
dados_3 = np.random.normal(-5, 5, 100)
dados = [dados_1, dados_2, dados_3]

3. Por fim, criamos o gráfico de boxplot usando o método boxplot() da biblioteca Matplotlib:

fig, ax = plt.subplots()
ax.boxplot(dados)
plt.show()

4. O código completo para criar o gráfico de boxplot completo fica assim:

import matplotlib.pyplot as plt
import numpy as np

# Gerar os dados de exemplo
dados_1 = np.random.normal(0, 2, 100)
dados_2 = np.random.normal(5, 3, 100)
dados_3 = np.random.normal(-5, 5, 100)
dados = [dados_1, dados_2, dados_3]

# Criar o gráfico de boxplot
fig, ax = plt.subplots()
ax.boxplot(dados)

# Mostrar o gráfico
plt.show()

Isso cria o gráfico de boxplot abaixo, com três caixas correspondentes aos três conjuntos de dados de exemplo.

Gráfico de boxplot simples usando matplotlib em Python

Podemos também personalizar o gráfico de boxplot adicionando títulos, rótulos de eixo e cores distintas. Vejamos um exemplo, personalizando o gráfico criado anteriormente:

import matplotlib.pyplot as plt
import numpy as np

# Gerar dados de exemplo
dados_1 = np.random.normal(0, 2, 100)
dados_2 = np.random.normal(5, 3, 100)
dados_3 = np.random.normal(-5, 5, 100)
dados = [dados_1, dados_2, dados_3]

# Criar o gráfico de boxplot
fig, ax = plt.subplots()

# Personalizar as cores das caixas
boxprops = dict(linestyle='--', linewidth=1.5, color='red') # estilo de linha da caixa
flierprops = dict(marker='o', markerfacecolor='purple', markersize=5, alpha=0.5)
medianprops = dict(linestyle='-.', linewidth=1.5, color='blue')
whiskerprops = dict(linestyle='-', linewidth=1.5, color='green')
ax.boxplot(dados, boxprops=boxprops, flierprops=flierprops, medianprops=medianprops, whiskerprops=whiskerprops)

# Personalizar os títulos e os rótulos dos eixos
ax.set_title('Gráfico de Boxplot Personalizado')
ax.set_xlabel('Conjunto de Dados')
ax.set_ylabel('Valores')

# Personalizar o eixo x
xticks = ['Dados 1', 'Dados 2', 'Dados 3']
ax.set_xticklabels(xticks)

# Mostrar o gráfico pronto
plt.show()

Nesse exemplo, personalizamos as cores das caixas, bem como as propriedades dos whiskers, medianas, outliers e caixas. Também adicionamos títulos e rótulos aos eixos e personalizamos o eixo x com rótulos personalizados. Veja o resultado abaixo:

Gráfico personalizado de boxplot com módulo matplotlib

As opções boxprops, flierprops, medianprops e whiskerprops são parâmetros opcionais no método boxplot() da biblioteca Matplotlib em Python.

Esses parâmetros permitem personalizar as propriedades visuais de diferentes partes do gráfico de boxplot, incluindo as caixas, os outliers, as medianas e os whiskers (ou hastes) que se estendem a partir das caixas:

• boxprops: um dicionário de propriedades da caixa que define as propriedades visuais das caixas no gráfico de boxplot. Essas propriedades incluem a cor da borda, a espessura da borda, o estilo da borda, a cor do preenchimento, entre outras.
• flierprops: um dicionário de propriedades do outlier que define as propriedades visuais dos outliers no gráfico de boxplot. Essas propriedades incluem o marcador usado para representar os outliers, a cor do marcador, o tamanho do marcador, a opacidade do marcador, entre outras.
• medianprops: um dicionário de propriedades da mediana que define as propriedades visuais da linha mediana no gráfico de boxplot. Essas propriedades incluem a cor da linha, a espessura da linha, o estilo da linha, entre outras.
• whiskerprops: um dicionário de propriedades do whisker que define as propriedades visuais dos whiskers (ou hastes) no gráfico de boxplot. Essas propriedades incluem a cor da linha, a espessura da linha, o estilo da linha, entre outras.

É isso aí! Neste tutorial vimos como criar um gráfico de boxplot simples em Python.

O post Como criar um gráfico de Boxplot em Python com matplotlib apareceu primeiro em Bóson Treinamentos em Ciência e Tecnologia.

O Matplotlib é uma biblioteca Python usada para criar visualizações estáticas, animadas e interativas em Python. É uma ferramenta poderosa para visualização de dados e é amplamente utilizada em pesquisa científica, análise de dados e aprendizado de máquina. Vejamos como podemos criar alguns tipos de gráficos simples com o Matplotlib:

Instalação do Matplotlib

A biblioteca Matplotlib está incluída em muitas distribuições do Python, como Anaconda ou Miniconda, mas se você não o tiver instalado, poderá instalá-lo usando um gerenciador de pacotes como o pip ou o conda. Para instalar com pip, abra um terminal ou prompt de comando e digite:

pip install matplotlib

Isso instalará a versão mais recente do Matplotlib.

Importar o Matplotlib

Para usar Matplotlib em seu script Python, você precisa importar a biblioteca. Para importar o Matplotlib:

import matplotlib.pyplot as plt

Importamos a biblioteca com um alias plt por conveniência, pois é o módulo mais usado na biblioteca.

Pyplot

O pyplot é um submódulo do Matplotlib que fornece uma interface conveniente para criar e personalizar gráficos. Trata-se de uma coleção de funções que simplificam o processo de criação e modificação de gráficos, sem ter que se preocupar com os detalhes subjacentes da biblioteca Matplotlib.

Ao importar matplotlib.pyplot, importamos esta coleção de funções, que inclui as funções:

• plot(): Cria um gráfico de linha ou gráfico de dispersão.
• hist(): Cria um histograma.
• scatter(): Cria um gráfico de dispersão.
• bar(): Cria um gráfico de barras.
• pie(): Cria um gráfico de pizza.
• xlabel(): define o rótulo para o eixo x.
• ylabel(): define o rótulo para o eixo y.
• title(): Define o título do gráfico.
• legend(): Adiciona uma legenda ao gráfico.
• xlim(): Define os limites para o eixo x.
• ylim(): Define os limites para o eixo y.

e muitas outras.

O módulo pyplot fornece muitas outras funções para personalizar gráficos, como definir a cor, estilo de linha, marcador e tamanho de linhas e pontos, controlar os limites do eixo e adicionar anotações de texto. Ao importar matplotlib.pyplot como plt, podemos usar essas funções para criar e personalizar gráficos de maneira fácil e eficiente no código Python.

Plotagem básica com Matplotlib

O Matplotlib pode ser usado para criar muitos tipos de gráficos, incluindo gráficos de linhas, gráficos de dispersão, gráficos de barras e histogramas. Vejamos como criar um gráfico de linha simples:

import matplotlib.pyplot as plt
# Data
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]

# Criar uma figura e um eixo
fig, ax = plt.subplots()

# Plotar os dados
ax.plot(x, y)

# Mostrar o gráfico
plt.show()

Resultado:

Gráfico de linha simples com matplotlib. Criado no JupyterLab

Neste exemplo, primeiro definimos os dados como duas listas x e y. Em seguida, criamos uma figura e um eixo usando a função plt.subplots(). Por fim, plotamos os dados usando a função ax.plot() e exibimos o gráfico usando a função plt.show().

Personalização de plotagens

A biblioteca Matplotlib permite que você personalize seus gráficos de várias maneiras, como alterar a cor, o estilo e os rótulos do gráfico. Vejamos como personalizar o gráfico anterior:

import matplotlib.pyplot as plt

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

# Criar uma figura e um eixo
fig, ax = plt.subplots()

# Plotar os dados com as personalizações
ax.plot(x, y, color='red', linestyle='--', marker='o', label='dados')

# Adicionar rótulos e título
ax.set_xlabel('Rótulo X')
ax.set_ylabel('Rótulo Y')
ax.set_title('Título')

# Incluir uma legenda
ax.legend()

# Mostrar o gráfico
plt.show()

Resultado

Gráfico de linha com dados adicionais

Neste exemplo, adicionamos personalizações ao gráfico especificando a cor, o estilo de linha e o marcador do gráfico usando os parâmetros de cor, estilo de linha e marcador. Também adicionamos um rótulo ao gráfico usando o parâmetro rótulo, que posteriormente incluímos na legenda usando a função ax.legend(). Por fim adicionamos rótulos de eixo e um título ao gráfico usando as funções ax.set_xlabel(), ax.set_ylabel() e ax.set_title(), respectivamente.

Gráfico de Barras com matplotlib

import matplotlib.pyplot as plt

# Dados em uma lista
rótulos = ['Maçãs', 'Laranjas', 'Bananas', 'Uvas', 'Figos']
valores = [5, 3, 6, 4, 7]

# Criar uma figura e eixos
fig, ax = plt.subplots()

# Criar o gráfico de barras
ax.bar(rótulos, valores)

# Inserir rótulos de dados e título do gráfico
ax.set_xlabel('Fruta')
ax.set_ylabel('Quantidade')
ax.set_title('Quantidades de Frutas')

# Exibir o gráfico
plt.show()

Resultado

Gráfico de Barras simples em Python com matplotlib

Neste exemplo, primeiro definimos os dados como duas listas: rótulos e valores. Em seguida, criamos uma figura e um eixo usando a função plt.subplots() e criamos um gráfico de barras usando a função ax.bar().

Em seguida, adicionamos rótulos de eixo e um título ao gráfico usando as funções ax.set_xlabel(), ax.set_ylabel() e ax.set_title(), respectivamente. Por fim, exibimos o gráfico usando a função plt.show().

Isso criará um gráfico de barras simples com cinco barras, denominadas ‘Maçãs’, ‘Laranjas’, ‘Bananas’, ‘Uvas’ e ‘Figos’, com alturas proporcionais aos valores correspondentes na lista de valores. Para criar um gráfico de barras horizontais basta alterar a função ax.bar() para ax.barh(), mantendo os mesmos parâmetros e configurações.

Você pode personalizar ainda mais o gráfico ajustando a cor, a largura e outras propriedades das barras, bem como adicionando outros elementos do gráfico, como uma legenda ou anotações.

Scatterplot (Gráfico de Dispersão) com matplotlib

import matplotlib.pyplot as plt
import numpy as np

# Gerar um conjunto de dados aleatórios
np.random.seed(123)
x = np.random.normal(0, 1, 50)
y = np.random.normal(0, 1, 50)

# Criar figura e eixo
fig, ax = plt.subplots()

# Criar o gráfico de dispersão
ax.scatter(x, y)

# Inserir rótulos de dados e título
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_title('Scatterplot')

# Exibir o gráfico
plt.show()

Resultado

Gráfico de Dispersão com matplotlib (Scatterplot)

Neste exemplo, primeiro geramos dados aleatórios usando a função random.normal() do módulo NumPy, com média 0 e desvio padrão 1, para x e y. Em seguida, criamos uma figura e um eixo usando a função plt.subplots() e criamos um gráfico de dispersão usando a função ax.scatter().

Em seguida, adicionamos rótulos de eixo e um título ao gráfico usando as funções ax.set_xlabel(), ax.set_ylabel() e ax.set_title(), respectivamente. Por fim, exibimos o gráfico usando a função plt.show().

Isso criará um gráfico de dispersão com 50 pontos, onde as coordenadas x e y de cada ponto são geradas aleatoriamente a partir de uma distribuição normal. Você pode personalizar ainda mais o gráfico ajustando o tamanho, a cor e outras propriedades dos pontos, bem como adicionando outros elementos do gráfico, como uma linha de tendência ou anotações.

Gráfico de pizza

import matplotlib.pyplot as plt

# Dados
rotulos = ['Maçãs', 'Laranjas', 'Bananas', 'Uvas', 'Figos']
tamanhos = [25, 30, 20, 25, 27]
cores = ['red', 'orange', 'yellow', 'blue', 'purple']

# Criar figura e eixos
fig, ax = plt.subplots()

# Criar um gráfico de pizza
ax.pie(tamanhos, labels=rotulos, colors=cores, autopct='%1.1f%%')

# Adicionar título
ax.set_title('Distribuição das Frutas')

# Mostrar o gráfico plotado
plt.show()

Resultado

Gráfico de Pizza usando a biblioteca matplotlib em Python

Neste exemplo, definimos os dados como três listas: rótulos, tamanhos e cores. labels contém os rótulos de cada fatia do gráfico de pizza, os tamanhos contêm os tamanhos correspondentes de cada fatia e as cores contêm as cores de cada fatia.

Em seguida, criamos uma figura e um eixo usando a função plt.subplots() e criamos um gráfico de pizza usando a função ax.pie(). Passamos tamanhos, rótulos e cores como argumentos para ax.pie() e usamos o argumento autopct para especificar o formato dos rótulos de cunha (neste caso, para exibi-los como porcentagens com uma casa decimal).

Em seguida, adicionamos um título ao gráfico usando a função ax.set_title() e exibimos o gráfico usando a função plt.show().

Isso irá criar um gráfico de pizza com cinco fatias denominadas ‘Maçãs’, ‘Laranjas’, ‘Bananas’, ‘Uvas’ e ‘Figos’, com tamanhos proporcionais aos valores correspondentes na lista de tamanhos. Você pode personalizar ainda mais a plotagem ajustando a cor, a largura e outras propriedades das fatias, bem como adicionando outros elementos de plotagem, como uma legenda ou anotações.

A lista completa com os nomes das cores que podem ser utilizadas em gráficos com a biblioteca matplotlib pode ser obtida aqui: List of named colors.

Exercício

Vamos criar um gráfico com matplotlib que mostre três linhas de dados, representando a evolução dos preços de três ações: Companhia Vale, Unipar Carbocloro e Banco do Brasil (códigos VALE5, UNIP6 e BBAS3) em um período de 12 dias.

Os preços serão fornecidos por meio de listas de valores.

import matplotlib.pyplot as plt

# Dados (cotações diárias das ações)
dias = list(range(1, 13))
vale5 = [82.2, 79.2, 84.0, 86.4, 84.8, 87.2, 88.8, 92.0, 89.6, 92.8, 95.2, 93.6]
unip6 = [75.0, 73.2, 75.6, 77.4, 78.2, 76.8, 78.0, 81.0, 82.2, 83.6, 83.4, 82.2]
bbas3 = [28.3, 27.9, 28.5, 29.2, 29.0, 29.4, 29.7, 30.1, 29.8, 30.2, 30.5, 30.3]

# Criar figura e eixos
fig, ax = plt.subplots()

# Plotar os dados
ax.plot(dias, vale5, label='VALE5')
ax.plot(dias, unip6, label='UNIP6')
ax.plot(dias, bbas3, label='BBAS3')

# Mostrar os rótulos dos eixos e a legenda do gráfico
ax.set_xlabel('Dia')
ax.set_ylabel('Preço (R$)')
ax.legend()

# Exibir o gráfico pronto
plt.show()

Resultado

Gráfico de preços de ações usando matplotlib

Neste exemplo, primeiro definimos os dados para as três ações como listas de preços em um período de 12 dias. Em seguida, criamos uma figura e um eixo usando plt.subplots() e plotamos cada uma das três linhas usando ax.plot(). Também definimos os rótulos e a legenda do eixo usando ax.set_xlabel(), ax.set_ylabel() e ax.legend().

Por fim, mostramos o gráfico usando plt.show(). Isso exibirá um gráfico de linhas com três linhas, cada uma representando a evolução dos preços de uma das três ações no período de 12 dias.

Conclusão

Neste tutorial mostrei como criar alguns tipos de gráficos simples usando a biblioteca matplotlib. Vimos que esta biblioteca é bastante versátil, e permite a plotagem de gráficos de forma simples e com pouco código.

Existem muitos outros tipos de gráficos que podem ser criados com o uso do módulo matplotlib em Python, inclusive gráficos avançados e complexos, como histogramas, mapas de calor, boxplots e gráficos 3D, entre outros. Uma lista completa pode ser consultada na página da documentação oficial: Tipos de Gráficos com Matplotlib.

O post Gráficos básicos com a biblioteca Matplotlib em Python apareceu primeiro em Bóson Treinamentos em Ciência e Tecnologia.