[DATA SCIENCE] DAY: 018 - Visualizando Box Plots

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

📊 Hoje iremos aprender como criar e visualizar Box Plots.

O boxplot é uma ferramenta gráfica que mostra a distribuição dos dados. Ele mostra a mediana (a mediana é a medida de tendência central, que divide um conjunto de dados ordenado em duas metades), os quartis (os quartis dividem um conjunto de dados ordenados em quartos) e os valores máximo e mínimo. Os pontos fora da caixa são outliers, ou seja, valores fora da distribuição. Eles são mostrados como pontos individuais no gráfico.
significado da web.

📝 Obs: Irei utilizar o jupyter notebook para a fácil visualização dos gráficos, 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'] = 5, 4
sns.set_style('whitegrid')

📝 Obs:

• %matplotlib inline: Essa linha de código é usada para exibir gráficos dentro do notebook Jupyter. Isso significa que, em vez de abrir uma nova janela para exibir o gráfico, ele será exibido diretamente no notebook.

• rcParams['figure.figsize'] = 5, 4: Essa linha de código define o tamanho da figura como 5x4. Isso significa que a largura será de 5 unidades e a altura será de 4 unidades.

• sns.set_style('whitegrid'): Essa linha de código é parte do seaborn, uma biblioteca de visualização de dados baseada em Matplotlib. Ele define o estilo de grade como branco. Isso adiciona linhas brancas às suas visualizações de dados, o que pode ajudar a tornar os gráficos mais legíveis e fáceis de interpretar.

3 - Agora após as configurações, iremos gerar dois gráficos de box plots para visualizar a distribuição dos dados de formas diferentes:

carros.boxplot(column='mpg', by='am')

📝 Obs: O que esse código faz???

• O código está criando um boxplot para a coluna mpg de uma tabela de dados chamada carros.
• O boxplot é dividido entre transmissão automática e manual, usando a coluna am como critério de divisão.
• O boxplot mostra a distribuição dos dados, incluindo mediana, quartis, valor máximo e mínimo.
• Os pontos fora da caixa são outliers, ou seja, valores fora da distribuição.
• O objetivo é comparar como a distribuição dos dados de mpg é diferente entre transmissão automática e manual.

Gráfico gerado:

Agora iremos visualizar o segundo gráfico utilizando os dados da coluna "wt" , onde estão sendo divididos entre transmissão automática e manual. Com isso, o boxplot mostra como a distribuição dos dados de wt é diferente entre essas duas categorias:

carros.boxplot(column='wt', by='am')

📝 Obs: O que esse código faz???

• O código está criando um boxplot para a coluna wt de uma tabela de dados chamada carros.
• O boxplot é dividido entre transmissão automática e manual, usando a coluna am como critério de divisão.
• O boxplot mostra a distribuição dos dados, incluindo mediana, quartis, valor máximo e mínimo.
• Os pontos fora da caixa são outliers, ou seja, valores fora da distribuição.
• O objetivo é comparar como a distribuição dos dados de wt é diferente entre transmissão automática e manual.

Gráfico gerado:

Por último, vamos criar um boxplot usando a biblioteca seaborn, para comparar a coluna mpg com a coluna am na tabela de dados carros:

sns.boxplot(x='am', y='mpg', data=carros, palette='hls')

📝 Obs: O que esse código faz???

• O boxplot está comparando as colunas mpg e am na tabela de dados carros.
• A variável x está definida como am e a variável y está definida como mpg.
• Os dados são passados para o gráfico através da variável data como carros.
• Uma paleta de cores hls é definida.
• O objetivo é mostrar como a distribuição da coluna mpg varia entre transmissão automática e manual.

Gráfico gerado:

🌊 Espero que tenham gostado do conteúdo, amanhã iremos aprender como criar scatter plots!

🚀 Vejo vocês amanhã, tenham uma ótima semana!