Como fazer gráficos de barras que não dão erro
Você já tentou transformar uma planilha de vendas em gráfico e acabou com barras sobrepostas ou eixos estragados? Eu passei uns três meses consertando isso no trabalho antes de entender o que realmente importa. O problema real não é saber que gráfico de barras existem. É fazer ele funcionar na prática quando os dados não são bonitinhos como nos tutoriais.
O método que eu uso
A parte que todo mundo pula é validar os dados antes de plotar. No meu caso, eu tinha um conjunto onde uma categoria de produto aparecia com valor zero mas o texto no eixo X ocupava espaço demais. O gráfico simplesmente quebrava a legibilidade. Minha solução foi filtrar categorias com menos de 0,5% do total antes de enviar para a visualização. Se você está usando Python com matplotlib, fica assim:
df = df[df['valor'] >= df['valor'].max() * 0.005] Isso corta outliers irrelevantes sem enviesar a análise. Não é mágica, é só senso comum que esquecemos de aplicar.
configuração básica que funciona
Aqui vai um exemplo completo que eu uso como template: import matplotlib.pyplot as plt
import pandas as pd
dados = pd.DataFrame({
'categoria': ['Jan', 'Fev', 'Mar', 'Abr', 'Mai'],
'valor': [1200, 1900, 1500, 2100, 1800]
})
fig, ax = plt.subplots(figsize=(8, 5))
ax.bar(dados['categoria'], dados['valor'], color='#4C72B0', width=0.6)
ax.set_ylabel('Valor (R$)', fontsize=11)
ax.set_title('Vendas mensais - 2024', fontsize=13, pad=15)
for i, v in enumerate(dados['valor']):
ax.text(i, v + 30, f'{v:,.0f}', ha='center', fontsize=9, color='#333')
plt.tight_layout()
plt.savefig('grafico_barras.png', dpi=150)
plt.show()
O que eu gosto nesse código é a linha que adiciona os valores em cima das barras. Sem isso, você precisa ficar olhando pro eixo Y e estimando, o que é irritante quando precisa presentar algo pra alguém.
gráfico de barras exemplos práticos
Vou dar dois cenários que eu realmente enfrentei. Cenário 1: comparação de grupos. Você tem vendas de cinco vendedores e quer mostrar quem performa melhor. Nesse caso, ordenar as barras do maior pra menor faz diferença significativa na leitura. Ninguém quer varrer os olhos de esquerda pra direita procurando o topo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Cenário 2: gráfico de barras empilhadas pra composição. Aí o problema é outro. Se você tem mais de quatro categorias empilhadas, a legenda fica ilegível em telas pequenas. Eu resolvi isso colocando o rótulo dentro da barra quando o espaço permitia, senão deixava só a legenda abaixo.
ferramentas
Se você tá começando do zero, aqui vão os caminhos que funcionam pra mim: Plotly Express. Bom pra interatividade rápida. O código é simples e o resultado já sai responsivo. Desvantagem: arquivos grandes ficam pesados se você tiver milhares de observações.
Pandas plotting. Rápido pra prototipagem. Você chama df.plot.bar() e pronto. Mas o controle é limitado. Quando você precisa de algo específico, tipo customizar labels ou adicionar annotations, começa a dor de cabeça. Matplotlib puro. Mais trabalho, mas você tem controle total. É o que eu recomendo quando o gráfico vai pra relatório final ou apresentação importante.
erros comuns que eu vejo
Escala iniciando em valor diferente de zero. Isso distorce a percepção visual. Uma barra que parece duas vezes maior na verdade tem 10% a mais. Não faça isso a não ser que você tenha um motivo muito bom, e aí explique claramente no caption. Muitas categorias no eixo X. Se você tem mais de dez categorias, as labels começam a se sobrepor. A solução é rotacionar o texto ou virar o gráfico horizontal (ax.barh()). No horizontal, as labels ficam legíveis naturalmente.
Cores sem sentido. Escolher cores aleatórias pra cada barra confunde o leitor. Use uma paleta consistente. Se for comparar grupos, cores diferentes pra grupos diferentes, mas tons similares dentro do mesmo grupo.
quando gráfico de barras não é a melhor opção
Se você tem dados temporais contínuos com muitas observações, linha chart pode ser mais claro. Barras funcionam bem pra categorias discretas, não pra séries temporais densas. Se a variável é proporcional e você quer mostrar participação, gráfico de pizza ou treemap entrega a mensagem mais direto. Barras exigem que o cérebro traduza comprimento pra porcentagem, o que dá trabalho adicional ao leitor.
A minha recomendação final é testar. Plote, mostre pra alguém que não conhece os dados, e veja onde ele trava. Se a pessoa demora mais de cinco segundos pra entender o que o gráfico mostra, você fez muito complicado. Simplifique. Eu levei uns bons seis meses até parar de overengineering gráficos simples. Agora eu penso: qual informação eu quero que as pessoas levem daqui? Aí escolho a forma que entrega essa informação com menos atrito possível.
