Como criar gráficos interativos no Python? Um tutorial para largar o Excel

Gráficos interativos são ótimas ferramentas de análise de dados pois permitem filtrar, selecionar e modificar os dados rapidamente. Ao utilizar gráficos interativos em relatórios e dashboards, algumas demandas repetitivas como “coloca só essa variável” ou “exibe somente este período” podem ser eliminadas por completo, dando autonomia e liberdade ao usuário final.

Neste artigo mostramos como gerar gráficos interativos de análise de dados utilizando a popular biblioteca Plotly. Se no Excel você precisa clicar em uma dúzia de botões e escrever uma série de fórmulas obscuras para gerar um gráfico interativo, com esta biblioteca no Python basta executar uma única função para obter um resultado semelhante ou melhor.

Aprenda a coletar, processar e analisar dados na formação de Do Zero à Análise de Dados com Python.

Passo 01: bibliotecas de Python

Para criar gráficos interativos através do Python, podemos utilizar a biblioteca Plotly. Ela serve para gerar visualizações de dados, é bastante popular e existe há vários anos no mercado.

Aqui importamos a biblioteca Plotly para visualizar dados e a biblioteca python-bcb para coletar dados de exemplo do Banco Central.

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

Instale as bibliotecas com o comando no Terminal: pip install NOME-BIBLIOTECA.

Passo 02: dados de exemplo

Os dados que utilizamos para demonstrar a criação dos gráficos são séries temporais sobre a venda de veículos no Brasil. Aqui coletamos os dados automaticamente pela API do Banco Central e exibimos as últimas linhas da tabela.

Autos Leves Caminhões Ônibus
Date
2023-10-01 163154 43544 9172 1927
2023-11-01 160688 40960 9051 1944
2023-12-01 187746 48844 10068 1877
2024-01-01 118503 33553 7993 1546
2024-02-01 120315 34968 8200 1723

Passo 03: criando gráficos interativos no Python

Agora criamos alguns exemplos de gráficos interativos no Python. Em todos os exemplos o comando é muito semelhante: é preciso dizer em qual tabela estão os dados, qual coluna vai no eixo X e no eixo Y e, opcionalmente, definir títulos, legendas e outros elementos. Além disso, existem muitas opções de personalização que podem ser exploradas na documentação da biblioteca.

Para criar um gráfico de linha com o Plotly no Python utilizamos a função line() do módulo express, conforme o resultado abaixo:

Ao renderizar o gráfico com o código, as opções de interatividade serão habilitadas, permitindo selecionar as colunas a serem exibidas, filtrar o período de tempo exposto no gráfico, dentre outras opções.

Nota: no momento atual, este espaço deste artigo não dá suporte para gráficos interativos, por isso o gráfico acima aparece como estático (use o Google Colab para visualizar a versão interativa).

Para criar um gráfico de área com o Plotly no Python utilizamos a função area() do módulo express, conforme o resultado abaixo:

Para criar um gráfico de histograma com o Plotly no Python utilizamos a função histogram() do módulo express, conforme o resultado abaixo:

Conclusão

Neste artigo mostramos como gerar gráficos interativos de análise de dados utilizando a popular biblioteca Plotly. Se no Excel você precisa clicar em uma dúzia de botões e escrever uma série de fórmulas obscuras para gerar um gráfico interativo, com esta biblioteca no Python basta executar uma única função para obter um resultado semelhante ou melhor.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Resultado PNADc Trimestral - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PNADc Trimestral do 3º trimestre de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.