7 min de leitura

#7 - Salvando Figuras e Gráficos 3D no Matplotlib

Como exportar gráficos para arquivo com savefig() controlando resolução e formato, e como plotar em três dimensões com o módulo mplot3d.

#7 - Salvando Figuras e Gráficos 3D no Matplotlib

Fechando esta leva de posts sobre Matplotlib, faltam dois assuntos bem práticos: como tirar um gráfico da tela e colocá-lo num arquivo — pra usar num relatório, numa apresentação ou num post de blog, por exemplo — e como dar um passo além das duas dimensões, plotando em três eixos.

Salvando figuras com savefig()

Até agora, todo gráfico desta série terminou com plt.show(), que abre uma janela (ou renderiza inline, num notebook) só pra visualização. Pra gerar um arquivo de verdade, a função é plt.savefig().

Exemplo 1 - salvando um PNG

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title("Onda Senoidal")
plt.savefig("onda-senoidal.png")
plt.show()

O formato do arquivo é definido automaticamente pela extensão do nome — .png, .pdf, .svg e .jpg são os mais comuns, e todos funcionam sem precisar instalar nada além do próprio Matplotlib.

Nota: plt.savefig() precisa ser chamado antes de plt.show(). Dependendo do ambiente, plt.show() pode limpar a figura da memória depois de exibi-la — chamando savefig() depois disso, você corre o risco de salvar um arquivo em branco.

Exemplo 2 - controlando resolução e corte

plt.plot(x, y)
plt.title("Onda Senoidal")
plt.savefig("onda-senoidal-hd.png", dpi=300, bbox_inches="tight")
plt.show()

dpi (dots per inch) controla a resolução do arquivo exportado — quanto maior, mais nítida a imagem (e maior o arquivo). O padrão do Matplotlib gira em torno de 100 DPI, adequado pra tela; 300 DPI é um valor comum quando o destino é impressão ou uma imagem de alta qualidade pra um artigo. bbox_inches="tight" recorta margens em branco desnecessárias ao redor do gráfico, ajustando a área salva ao conteúdo real da figura.

Exemplo 3 - salvando em mais de um formato

Como o formato vem da extensão, gerar o mesmo gráfico em formatos diferentes é só chamar savefig() mais de uma vez, antes do show():

plt.plot(x, y)
plt.savefig("grafico.png", dpi=300)
plt.savefig("grafico.svg")
plt.savefig("grafico.pdf")
plt.show()

PNG é raster (uma grade de pixels — bom pra web); SVG e PDF são vetoriais, o que significa que a imagem pode ser ampliada infinitamente sem perder nitidez — a escolha certa quando o gráfico vai pra um documento que talvez precise ser redimensionado.

Gráficos 3D com mplot3d

O Matplotlib também plota em três dimensões, através do módulo mpl_toolkits.mplot3d, que já vem incluído na instalação padrão — não é preciso instalar nada além do Matplotlib.

Exemplo 4 - criando um eixo 3D

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(7, 6))
ax = fig.add_subplot(111, projection="3d")

A diferença central em relação a um Axes comum é o parâmetro projection="3d" passado pro add_subplot(). A partir daí, o objeto ax ganha um terceiro eixo (z), além dos já conhecidos x e y.

Exemplo 5 - linha 3D

import numpy as np

theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-2, 2, 100)
r = z ** 2 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)

fig = plt.figure(figsize=(7, 6))
ax = fig.add_subplot(111, projection="3d")
ax.plot(x, y, z)
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
plt.show()

ax.plot() funciona como no gráfico 2D, só que agora recebendo três arrays em vez de dois — o resultado é uma espiral cônica se afastando e se aproximando do centro conforme z varia, um clássico pra testar visualização 3D. set_zlabel() é o equivalente em três dimensões do set_xlabel()/set_ylabel() que você já conhece.

Exemplo 6 - dispersão 3D com cor mapeada

np.random.seed(42)
n_pontos = 150
x = np.random.rand(n_pontos)
y = np.random.rand(n_pontos)
z = np.random.rand(n_pontos)

fig = plt.figure(figsize=(7, 6))
ax = fig.add_subplot(111, projection="3d")
grafico = ax.scatter(x, y, z, c=z, cmap="viridis")
fig.colorbar(grafico, ax=ax, shrink=0.6, label="Valor de Z")
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
plt.show()

O ax.scatter() 3D aceita os mesmos parâmetros de cor e colormap do plt.scatter() bidimensional visto lá no post sobre dispersão — aqui, c=z colore cada ponto conforme sua própria posição no eixo z, e fig.colorbar() adiciona a barra de escala lateral explicando o que cada cor representa.

Nota: gráficos 3D do Matplotlib são ótimos pra explorar dados interativamente num notebook Jupyter (onde dá pra girar o gráfico com o mouse), mas exportados como imagem estática eles mostram só um ângulo fixo — vale escolher o ângulo de visualização com ax.view_init(elev=..., azim=...) antes de salvar, pra garantir que o ponto mais importante do gráfico fique visível.

Com savefig() e o módulo mplot3d, encerramos esta segunda leva sobre Matplotlib: interface orientada a objetos, legendas e escalas, estilos e anotações, gráficos estatísticos e, agora, exportação e três dimensões. Entre Pandas e Matplotlib, a série já cobre o ciclo quase completo de uma análise de dados em Python — do carregamento bruto até um gráfico pronto pra apresentar.

Fonte adaptada: Matplotlib - Saving Figures, Matplotlib - 3D Plotting