Barra quase sempre - mais fácil comparar comprimentos do que ângulos. Pizza apenas para 2-3 partes de um todo e slides estáticos.

Evite - distorce a percepção. Use painéis 2D facetados em vez disso.

ax.annotate com rótulo curto - explique por que o ponto é importante. Não exclua outliers do gráfico sem divulgação.

Grades pesadas, efeitos 3D e decoração que não codificam dados. Prefira seaborn ticks ou grade leve com alpha 0.3.

Melhores Práticas de Visualização

Gráficos honestos, legíveis e acessíveis que comunicam decisões sem distorcer os dados.

Como Usar Esta Lista

Aplique antes de exportar qualquer gráfico para stakeholders ou slides.
Use na revisão de PR para notebooks, aplicativos Streamlit e geradores de relatórios.
Combine com Plotando Dados Grandes quando os pontos excederem dezenas de milhares.

A - Escolha do Gráfico e Honestidade

Combine o gráfico com a pergunta. Tendências = linha; partes do todo apenas quando houver poucas categorias e a soma for 100%.
Gráficos de barras começam em zero. Eixo y truncado exagera as diferenças, a menos que a escala logarítmica seja explícita e rotulada.
Evite eixos y duplos, a menos que necessário. Escalas diferentes confundem - prefira séries indexadas ou painéis separados.
Ordene as categorias intencionalmente. Por valor, tempo ou ordem do domínio - nunca alfabeticamente por padrão para meses.
Rotule as unidades nos títulos dos eixos. Dólares, porcentagem, contagem - não números crus.

B - Legibilidade e Acessibilidade

Use paletas seguras para daltônicos. seaborn colorblind, viridis ou Okabe-Ito - não o arco-íris jet.
Não confie apenas na cor. Adicione marcadores, hachuras ou rótulos diretos para categorias.
Limite a contagem de séries. Mais de ~6 linhas em um gráfico requer facetamento ou destaque de uma série.
Tamanhos de fonte legíveis. Mínimo de 10-12 pt na imagem PNG final no tamanho de visualização pretendido.
O título declara o resultado. "Receita do Oeste cresceu 12% no 2º Trimestre" é melhor que "Gráfico de Receita".

C - Preparação de Dados

Agregue antes de plotar. Dispersões de um milhão de pontos se tornam hexbins, rollups SQL ou imagens datashader.
Documente filtros. Widgets de aplicativo e cláusulas WHERE SQL pertencem ao subtítulo ou legenda.
Trate dados ausentes explicitamente. Lacunas em linhas ou interrupções anotadas - sem interpolação silenciosa.
Use fusos horários consistentes. UTC nos dados; local apenas na exibição com rótulo.
Versione o snapshot dos dados. Rodapé com data_dt e SHA do git para reprodutibilidade.

D - Exportação e Produção

Feche figuras matplotlib em loops. Evite vazamentos de memória em trabalhos em lote.
Escolha o formato para o meio. PDF/SVG para impressão; PNG 150 dpi para tela, 300 dpi para slides.
Cache de consultas de dashboard. cache_data do Streamlit, stores do Dash - sem recarregar Parquet a cada clique.
Teste a renderização headless. matplotlib.use("Agg") em testes de snapshot de CI.
Sem edições manuais de gráficos após a exportação. Altere o script, não os retângulos do PowerPoint.

FAQs

Quando o eixo y não pode começar em zero?

Gráficos de linha de taxas ou índices onde pequenas mudanças importam e a escala está rotulada.
Nunca para comparações de magnitude de barras sem justificativa clara.

Pizza ou barra?

Barra quase sempre - mais fácil comparar comprimentos do que ângulos.
Pizza apenas para 2-3 partes de um todo e slides estáticos.

Como mostro incerteza?

Barras de erro, faixas ou gráficos de caixa/violino - declare o que o intervalo significa (IC vs IQR).

E gráficos 3D?

Evite - distorce a percepção. Use painéis 2D facetados em vez disso.

Como testo a saída do gráfico?

Snapshot de bytes PNG em CI com semente de dados fixa.
Afirme que o arquivo existe e o tamanho > limite como um portão mínimo.

Interativo ou estático?

Estático para artigos e e-mail; interativo para dashboards de exploração.
Não envie 5 MB de HTML Plotly por e-mail, a menos que solicitado.

Como anoto outliers?

ax.annotate com rótulo curto - explique por que o ponto é importante.
Não exclua outliers do gráfico sem divulgação.

Devo usar os padrões do seaborn?

Bom ponto de partida - ainda verifique escalas, rótulos e a escolha do estimador.

Como lidar com desequilíbrio de classes em gráficos?

Mostre contagens ao lado de taxas; use visualizações separadas para prevalência vs desempenho.

O que é chartjunk?

Grades pesadas, efeitos 3D e decoração que não codificam dados.
Prefira seaborn ticks ou grade leve com alpha 0.3.

Relacionados

Básicos de Visualização - tour de gráficos
matplotlib - exportação e layout
Plotando Dados Grandes - agregação
Melhores Práticas de Análise de Dados - números confiáveis upstream

Versões da Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+ e uv 0.6+.

Melhores Práticas de Visualização

Gráficos honestos, legíveis e acessíveis que comunicam decisões sem distorcer os dados.

Como Usar Esta Lista

Aplique antes de exportar qualquer gráfico para stakeholders ou slides.
Use na revisão de PR para notebooks, aplicativos Streamlit e geradores de relatórios.
Combine com Plotando Dados Grandes quando os pontos excederem dezenas de milhares.

A - Escolha do Gráfico e Honestidade

Combine o gráfico com a pergunta. Tendências = linha; partes do todo apenas quando houver poucas categorias e a soma for 100%.
Gráficos de barras começam em zero. Eixo y truncado exagera as diferenças, a menos que a escala logarítmica seja explícita e rotulada.
Evite eixos y duplos, a menos que necessário. Escalas diferentes confundem - prefira séries indexadas ou painéis separados.
Ordene as categorias intencionalmente. Por valor, tempo ou ordem do domínio - nunca alfabeticamente por padrão para meses.
Rotule as unidades nos títulos dos eixos. Dólares, porcentagem, contagem - não números crus.

B - Legibilidade e Acessibilidade

Use paletas seguras para daltônicos. seaborn colorblind, viridis ou Okabe-Ito - não o arco-íris jet.
Não confie apenas na cor. Adicione marcadores, hachuras ou rótulos diretos para categorias.
Limite a contagem de séries. Mais de ~6 linhas em um gráfico requer facetamento ou destaque de uma série.
Tamanhos de fonte legíveis. Mínimo de 10-12 pt na imagem PNG final no tamanho de visualização pretendido.
O título declara o resultado. "Receita do Oeste cresceu 12% no 2º Trimestre" é melhor que "Gráfico de Receita".

C - Preparação de Dados

Agregue antes de plotar. Dispersões de um milhão de pontos se tornam hexbins, rollups SQL ou imagens datashader.
Documente filtros. Widgets de aplicativo e cláusulas WHERE SQL pertencem ao subtítulo ou legenda.
Trate dados ausentes explicitamente. Lacunas em linhas ou interrupções anotadas - sem interpolação silenciosa.
Use fusos horários consistentes. UTC nos dados; local apenas na exibição com rótulo.
Versione o snapshot dos dados. Rodapé com data_dt e SHA do git para reprodutibilidade.

D - Exportação e Produção

Feche figuras matplotlib em loops. Evite vazamentos de memória em trabalhos em lote.
Escolha o formato para o meio. PDF/SVG para impressão; PNG 150 dpi para tela, 300 dpi para slides.
Cache de consultas de dashboard. cache_data do Streamlit, stores do Dash - sem recarregar Parquet a cada clique.
Teste a renderização headless. matplotlib.use("Agg") em testes de snapshot de CI.
Sem edições manuais de gráficos após a exportação. Altere o script, não os retângulos do PowerPoint.

FAQs

Quando o eixo y não pode começar em zero?

Gráficos de linha de taxas ou índices onde pequenas mudanças importam e a escala está rotulada.
Nunca para comparações de magnitude de barras sem justificativa clara.

Pizza ou barra?

Barra quase sempre - mais fácil comparar comprimentos do que ângulos.
Pizza apenas para 2-3 partes de um todo e slides estáticos.

Como mostro incerteza?

Barras de erro, faixas ou gráficos de caixa/violino - declare o que o intervalo significa (IC vs IQR).

E gráficos 3D?

Evite - distorce a percepção. Use painéis 2D facetados em vez disso.

Como testo a saída do gráfico?

Snapshot de bytes PNG em CI com semente de dados fixa.
Afirme que o arquivo existe e o tamanho > limite como um portão mínimo.

Interativo ou estático?

Estático para artigos e e-mail; interativo para dashboards de exploração.
Não envie 5 MB de HTML Plotly por e-mail, a menos que solicitado.

Como anoto outliers?

ax.annotate com rótulo curto - explique por que o ponto é importante.
Não exclua outliers do gráfico sem divulgação.

Devo usar os padrões do seaborn?

Bom ponto de partida - ainda verifique escalas, rótulos e a escolha do estimador.

Como lidar com desequilíbrio de classes em gráficos?

Mostre contagens ao lado de taxas; use visualizações separadas para prevalência vs desempenho.

O que é chartjunk?

Grades pesadas, efeitos 3D e decoração que não codificam dados.
Prefira seaborn ticks ou grade leve com alpha 0.3.

Relacionados

Básicos de Visualização - tour de gráficos
matplotlib - exportação e layout
Plotando Dados Grandes - agregação
Melhores Práticas de Análise de Dados - números confiáveis upstream

Versões da Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+ e uv 0.6+.

Melhores Práticas de Visualização

Buscar na documentação

Melhores Práticas de Visualização