Gráfico De Linhas Simples

Como fazer gráfico de linhas simples no Python com Matplotlib

Se você precisa plotar dados temporais ou qualquer série que evolui ao longo de uma variável contínua, o gráfico de linhas é a escolha padrão. Não tem segredo. Um eixo X, um eixo Y, e chamadas para plot(). O que acontece na prática é que muita gente subestima os detalhes — legendas que se sobrepõem, escalas logarítmicas que precisam de ajuste manual, ou o caso mais chat de múltiplas séries com ranges completamente diferentes no mesmo gráfico. A estrutura mínima envolve três imports e quatro linhas de código. Você cria os dados, passa para plot, adiciona rótulos nos eixos e chama show. Pronto. Mas aí vem a parte que ninguém ensina nos tutoriais rápidos. Eu tava fazendo um relatório de temperatura mensal em 2023 quando me deparei com um problema específico: as temperaturas mínimas variavam de -2 a 8 graus, enquanto as máximas iam de 15 a 35. Plotei tudo no mesmo eixo Y e as mínimas viraram uma linha reta horizontal perto do zero. Impossível ver variação. A solução foi usar ax.twinx() para criar um segundo eixo Y à direita, com escala independente. Cada série com sua própria paleta de cores e legenda separada. O gráfico ficou legível em cinco minutos.

Código completo com explicações

Vamos ao exemplo prático. Primeiro, instale o que precisa: pip install matplotlib numpy Agora o código em si:

import matplotlib.pyplot as plt
import numpy as np x = np.linspace(0, 10, 100) y1 = np.sin(x)

y2 = np.cos(x) plt.figure(figsize=(8, 5)) plt.plot(x, y1, label='Seno', linewidth=2)

plt.plot(x, y2, label='Cosseno', linewidth=2) plt.xlabel('Eixo X') plt.ylabel('Eixo Y')

plt.title('Gráfico de Linhas Simples') plt.legend() plt.grid(True, alpha=0.3)

plt.show() Esse código gera um gráfico com duas curvas trigonométricas sobrepostas. O figsize controla as dimensões em polegadas. O linewidth deixa a linha mais visível. A grade com alpha=0.3 é sutil — suficiente para ler valores sem poluir o visual.

Quando o gráfico de linhas simples falha

Não adianta disfarçar. Existem cenários onde essa abordagem simplesmente não funciona. Dados com milhares de pontos geram uma mancha contínua sem formato discernível. Nesse caso, o recomendado é fazer downsampling antes de plotar — manter apenas um ponto a cada dez ou cem medidas. Outra armadilha comum: séries temporais com datas desordenadas. O Matplotlib não ordena automaticamente. Se os dados vêm desorganizadosem ordem cronológica, a linha vai e volta no eixo X criando ziguescaes confusos. A correção é sempre aplicar sort_values() no DataFrame antes de passar para plot. Também vale mencionar que gráficos de linhas simples não lidam bem com dados categóricos no eixo X. Se você tem rótulos como 'Janeiro', 'Fevereiro', 'Março' e eles não estão em ordem alfabética correta, o gráfico vai ordená-los automaticamente de forma errada. Sempre verifique a ordem antes de plotar.

Dicas avançadas para gráficos de linhas simples

Uma coisa que poucos sabem: o Matplotlib suporta interpolação entre pontos usando o parâmetro interpolate=True em combinação com drawstyle='steps-pre'. Útil para dados que mudam em patamaus, como consumo de energia horários. Outro truque prático é usar plt.axhline() para marcar valores de referência — média, mediana, limiares de alerta. Fica visualmente claro onde cada ponto se relaciona com benchmarks. Para salvar em alta resolução sem depender do interativo, use plt.savefig('grafico.png', dpi=300, bbox_inches='tight'). O bbox_inches='tight' remove espaçolixo em branco ao redor do gráfico.

Download e recursos

O código-fonte completo desse exemplo está disponível no GitHub. Basta clonar o repositório e executar o notebook. Não tem complicação. Também recomendo a documentação oficial do Matplotlib para quem quer explorar estilos personalizados e paletas de cores avançadas. Se você trabalha com dados temporais no dia a dia, dominar gráfico de linhas simples economiza bastante tempo. A curva de aprendizado é baixa, mas os edge cases aparecem rápido. O importante é testar sempre com dados reais antes de apresentar o resultado.