Grafico De Temperatura

Como fazer um grafico de temperatura que realmente funciona

A maioria das planilhas que vejo por aí são uma bagunça. Pontos conectados sem intervalo definido, eixos truncados que distorcem tudo, e legendas que ninguém lê. Vou explicar como eu faço os meus, porque depois de anos lidando com dados térmicos em diversas instalações, acabei desenvolvendo um jeito que não te engana. Começa pelo básico que todo mundo esquece: a origem dos dados. Se você tá coletando com sensores DS18B20 ou DHT22 num Arduino, já avisa que a precisão varia entre 0,5°C e 2°C dependendo do modelo. Sensor barato custa R$ 5 mas lê 1,5 graus acima da realidade em alguns pontos. Eu já perdi meia tarde caçando uma flutuação que era só o sensor descalibrado. A solução foi fazer uma correção linear com dois pontos de referência usando água em fusão e ebulição, e aplicar um fator de compensação nos dados antes de plotar.

O que é um grafico de temperatura e pra que serve

O grafico de temperatura é basicamente uma representação visual de como uma grandeza térmica se comporta ao longo do tempo ou de um espaço físico. Pode ser usado para monitorar processos industriais, estufas, data centers, ou até acompanhamento climático caseiro. O problema é que muita gente trata como se fosse só enfeite, quando na verdade ele carrega informação útil se bem construído. O que pouca gente sabe é que o tipo de gráfico mais usado aqui é o de linhas com dispersão, e não o de barras como muitos insistem. Barras dão a impressão de discretização onde não existe. Temperatura é contínua, e tratar como categórico distorce a leitura. Use spline ou interpolacao linear entre os pontos. Fica mais limpo e real.

Outra coisa que ninguém ensina: o eixo Y nunca deve começar em zero se voce quer ver variação real. Se seus dados variam entre 22°C e 28°C, começar o eixo em zero vai achatartudo e tornar o grafico praticamente inutil para analisar tendências. Trava o eixo Y entre 20 e 30, talvez. A variacao de 6 graus vai aparecer de verdade.

Passo a passo pratico para construir o grafico

Vou usar o Python com matplotlib e pandas porque é o que eu uso no dia a dia, mas o conceito vale pra qualquer ferramenta. Primeiro voce precisa dos dados organizados. Um arquivo CSV com colunas de data/hora e temperatura. Se voce tiver multiples sensores, uma coluna por sensor. Nada de mesclar tudo numa celula so.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.read_csv('dados_temperatura.csv', parse_dates=['data_hora'])

suavizacao com media movel de 5 pontos
df['temp_suave'] = df['temperatura'].rolling(window=5, center=True).mean()

O rolling com window=5 e center=True elimina ruido sem deslocar o sinal. Isso eh diferente de um filtro passe-baixa real, mas pra visualizacao funciona e eh rapido. Um filtro digital verdadeiro como Butterworth seria overkill aqui e exige ajustes de ordem que complicam sem necessidade. Agora o grafico em si:

fig, ax = plt.subplots(figsize=(12, 5))
ax.plot(df['data_hora'], df['temp_suave'], color='#2E86AB', linewidth=1.2, label='Temperatura')
ax.fill_between(df['data_hora'], df['temp_suave'], alpha=0.15, color='#2E86AB')
ax.set_ylim(20, 30)
ax.grid(True, linestyle='--', alpha=0.4)
ax.set_xlabel('Data e Hora')
ax.set_ylabel('Temperatura (°C)')
ax.legend(loc='upper right')
plt.tight_layout()
plt.savefig('grafico_temp.png', dpi=150)

Notem o fill_between com alpha baixo. Da uma nocao visual de area ocupada sem poluir. O ylim travado eh essencial. Sem ele o matplotlib escolhe escalas que escondem picos relevantes. E o tight_layout evita que o eixo Y seja cortado na exportacao. Se voce tiver multiplos sensores, coloca cada um numa cor distinta e usa um dicionario de cores padrao. Nao invente paletas. Cores contrastantes sao mais importantes que aesthetics aqui. Quem for ler seu grafico num monitor barato ou imprimido em preto e branco precisa conseguir distinguir as linhas.

Erros que eu vejo todo dia e como evitar

O erro mais comum é usar escala logaritimica sem motivo. Temperatura em Celsius nao tem base logaritmica. Sóuse isso se estiver modelando alguma relacao exponencial especifica, o que eh raro. Escala log em dados termicos quase sempre eh erro. Outro problema crônico é não marcar eventos no grafico. Se voce sabia que o ar-condicionado ligou as 14h30, ou que uma porta foi aberta, coloca uma linha vertical ou annotacao. Sem contexto, o grafico mostra que algo aconteceu mas nao diz por quê. Eu costumo manter um arquivo de log paralelo com timestamps de eventos externos. Depois basta sobrepor no mesmo eixo X.

Um problema especifico que eu tive recentemente foi com sensores ultrassonicos sendo interferidos por fonte de calor proprio do microcontrolador. O grafico mostrava picos de 3°C a cada 30 segundos sincronizados com o ciclo de leitura. A solucao foi afastar o sensor 5cm do chip e adicionar um capacitor de 100uF na alimentacao do sensor. O ruído sumiu.

Ferramentas alternatives

Se Python nao for sua praia, o Gnuplot faz o mesmo com menos codigo e controle, mas a curva de aprendizado eh mais íngreme. Para uso rápido, planilhas eletrônicas como LibreOffice Calc funcionam se voce controlar o formato do eixo manualmente. O problema é que elas frequentemente forcam o inicio do eixo em zero automaticamente, e voce precisa desmarcar essa opcao manualmente toda vez. Para dashboards em tempo real, eu uso Grafana com InfluxDB. O grafico de temperatura fica atualizando automaticamente e permite zoom historico. Mas isso é outro nivel de complexidade e exige infraestrutura. Para relatórios pontuais, o fluxo Python que mostrei resolve em menos de 10 minutos desde os dados ja estao organizados.

O grafico de temperatura que eu usei acima foi gerado com os dados reais de um monitoramento residencial. As variações entre 22 e 27°C refletem o ciclo natural de aquecimento diurno sem ar-condicionado. A suavização deixa claro o padrão que os dados brutos escondem debaixo do ruído de medição.