Summary  
This chapter introduces how to create and manage Figure and Axes objects in matplotlib’s artist layer via the pyplot module, demonstrating the use of subplots() to set up a canvas, plotting on the Axes, and printing the canvas with show().

General domain of usage  
Data visualization

O `matplotlib` possui três camadas:
* **Camada de backend**: renderiza o gráfico em telas ou arquivos;
* **Camada de artista**: descreve como os dados são organizados, composta por um objeto, o `Artist`;
* **Camada de script**: conecta as duas camadas anteriores e simplifica o acesso a elas.

O foco principal está na camada de script com o módulo `pyplot` e na camada de artista. A camada de artista inclui o seguinte:

* **Contêineres** (por exemplo, `Figure`, `Axes`);
* **Primitivos** (por exemplo, linha, retângulo, círculo, texto, etc).

`Figure` é o principal objeto `Artist` e pode ser considerado como uma tela onde todos os gráficos estarão localizados. Basicamente, ele mantém tudo unido.

Por outro lado, `Axes` é um objeto composto por dois objetos de eixo, eixo x e eixo y.



`Figure` = tela, `Axes` = eixo x + eixo y.

Nota

Agora, veja como criar o `Figure` e seus `Axes`:

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot()
plt.show()

Os dados estão em toda parte ao nosso redor, e compreendê-los é extremamente importante. A visualização auxilia no tratamento dos dados ao identificar certos padrões e insights. Você desenvolverá uma base sólida em visualização de dados utilizando Python e suas bibliotecas, como matplotlib e seaborn, para extrair o máximo de informações dos dados de forma clara e concisa.

Primeiramente, serão discutidas aplicações de plotagem, a biblioteca Matplotlib e suas vantagens. Em seguida, será criado um primeiro gráfico simples utilizando o Matplotlib.

Agora você está pronto para criar diversos gráficos comumente utilizados na prática. Sem mais delongas, vamos começar agora mesmo!

A plotagem e visualização não se limitam à criação de um ou vários gráficos, mas também envolvem torná-los claros, compreensíveis e agradáveis de visualizar. É hora de aprender a personalização de gráficos no matplotlib.

A estatística é fundamental no trabalho com dados, por isso é extremamente importante saber como criar diversos gráficos estatísticos. Agora é o momento de explorarmos os mais comuns.

Seaborn é outra biblioteca poderosa de visualização em Python, construída sobre o matplotlib. Agora que você já está familiarizado com o matplotlib, é hora de explorar a visualização com o seaborn.

Criando um Canvas

Awesome!

Criando um Canvas