[DATA SCIENCE] DAY: 012 - Criando gráficos de linha com python

👨‍💼 Bom dia, boa tarde e boa noite pessoal, tudo bem?

🍄 Hoje iniciamos o capítulo 2: Visualização de dados.

Para ficar um pouco mais claro sobre o assunto, irei explicar como funciona essa etapa:

📝

• A visualização de dados é a técnica de representar informações numéricas e categóricas através de gráficos e outras representações visuais.
• Isso ajuda a tornar os dados mais fáceis de entender e interpretar, e permite que os cientistas de dados identifiquem tendências, padrões e outliers nos dados.
• Alguns exemplos de tipos comuns de visualização de dados incluem gráficos de barras, gráficos de linhas, gráficos de dispersão e mapas.

👨‍💻 Agora, seguimos para o código:

📝 Obs: Irei utilizar o júpiter notebook, mas fique a vontade para escolher outro ambiente de sua preferência. Uma sugestão caso não conheça nenhum, tem o colab do google.

1 - Primeiro, podemos usar a notação as para abreviar o nome das bibliotecas que vamos importar e facilitar a escrita de código:

💻

import pandas as pd

from matplotlib import pyplot as plt
from matplotlib import rcParams
import seaborn as sns

📝 Obs:

• A primeira linha import pandas as pd importa a biblioteca pandas para utilizar suas funções para manipular e analisar dados.
• A segunda linha from matplotlib import pyplot as plt importa o módulo pyplot da biblioteca matplotlib para criar gráficos.
• A terceira linha from matplotlib import rcParams importa as configurações de parâmetros padrão da biblioteca matplotlib.
• A quarta linha import seaborn as sns importa a biblioteca seaborn que fornece uma interface mais fácil para criar gráficos estatísticos atraentes e informativos, e também estende as funcionalidades de matplotlib.

Essas linhas de código preparam as bibliotecas necessárias para serem utilizadas na visualização de dados.

2 - Agora vamos ajustar as configurações de visualização para se adequar ao ambiente do Jupyter Notebook e estabelecer um estilo de gráfico padrão para ser usado ao longo do código:

💻

%matplotlib inline
rcParams['figure.figsize'] = 10, 8
sns.set_style('whitegrid')

📝 Obs:

• A primeira linha %matplotlib inline é um comando específico do Jupyter Notebook que permite que os gráficos sejam exibidos diretamente no notebook.
• A segunda linharcParams['figure.figsize'] = 10, 8 define o tamanho padrão da figura em 10 polegadas de largura e 8 polegadas de altura.
• A terceira linha sns.set_style('whitegrid') define o estilo padrão do gráfico como "whitegrid", que adiciona grade branca ao fundo do gráfico.

3 - Com essas configurações já feitas, vamos gerar um gráfico simples, onde os valores de x são os eixos x e os valores de y são os eixos y, conectando os pontos com uma linha:

💻

x = range(1, 10)
y = [1, 2, 3, 4, 0, 4, 3, 2, 1]

plt.plot(x, y)

📝 Obs:

• A primeira linha "x = range(1, 10)" define uma lista de valores inteiros de 1 a 9 para serem usados no eixo x do gráfico.
• A segunda linha "y = [1, 2, 3, 4, 0, 4, 3, 2, 1]" define uma lista de valores inteiros para serem usados no eixo y do gráfico.
• A terceira linha "plt.plot(x, y)" chama a função plot() do módulo pyplot da biblioteca matplotlib para criar um gráfico de linha com os valores de x e y.

Gráfico gerado:

4 - Por último vamos desenhar um gráfico de linhas utilizando um objeto Pandas,onde vamos ler os dados de um arquivo CSV e armazená-los em um dataframe do pandas, e renomear as colunas para facilitar a manipulação e visualização dos dados.

🔍 Para baixar o arquivo que está sendo usado, clique aqui.

💻

caminho = 'O-caminho-do-seu-arquivo/mtcars.csv'

carros = pd.read_csv(caminho)
carros.columns = ['nomes','mpg','cyl','disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am', 'gear', 'carb']

📝 **Obs: **

• A primeira linha "caminho = '/home/moisa/Downloads/dados/mtcars.csv'" define uma variável chamada "caminho" que armazena o caminho do arquivo CSV com os dados dos carros.
• A segunda linha "carros = pd.read_csv(caminho)" usa a função read_csv() do pandas para ler os dados do arquivo CSV especificado pelo caminho e armazená-los no dataframe chamado "carros".
• A terceira linha "carros.columns = ['nomes','mpg','cyl','disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am', 'gear', 'carb']" define os nomes das colunas para o dataframe "carros".

Dando continuidade,será gerado um gráfico de linhas com base nas colunas selecionadas 'cyl', 'wt', 'mpg' do dataframe original "carros" e mostrarei como eles se relacionam entre si.

💻

df = carros[['cyl', 'wt', 'mpg']]
df.plot()

📝 Obs:

• A primeira linha df = carros[['cyl', 'wt', 'mpg']] cria um novo dataframe "df" selecionando as colunas 'cyl', 'wt', 'mpg' do dataframe original "carros".
• A segunda linha df.plot() usa a função plot() do pandas para criar um gráfico de linhas com base nos dados do dataframe df, essa função utiliza o módulo pyplot da biblioteca matplotlib para criar o gráfico.

Gráfico gerado:

🌊 Espero que tenham gostado do conteúdo, amanhã iremos aprender como criar gráficos de barras!

🚀 Vejo vocês amanhã!