Blog

Postado em em 2 de agosto de 2021

Gráficos no Python com Seaborn – Gráficos Estatísticos

Nessa aula vamos te mostrar como trabalhar com gráficos no Python com Seaborn, que é uma biblioteca gráfica para análises estatísticas!

Caso prefira esse conteúdo no formato de vídeo-aula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!

Para receber a planilha que usamos na aula no seu e-mail, preencha:

Resumo

Nessa aula nós vamos te mostrar como construir gráficos no Python utilizando a biblioteca Seaborn.

Essa biblioteca é mais voltada para a área estatística e análise de dados, então se é isso que procura está no lugar certo!

O que vamos aprender nessa aula:

Gráficos no Python com Seaborn

Você que quer aprender gráficos no Python para análise de dados, ciência de dados, análises gráficas e estatística no Python essa biblioteca vai te ajudar muito!

Essa biblioteca é mais voltada para essa área de estatística, então se é a área que você está querendo ingressar essa aula vai ser muito útil!

Biblioteca Seaborn para Criação de Gráficos

Antes de inicia é importante ressaltar que vamos utilizar o Jupyter (pacote Anaconda) para dar seguimento a aula.

Então se você ainda não o tem instalado basta clicar aqui que temos um post explicando como fazer o download e instalação do programa.

OBS: Vale lembrar que temos disponível os materiais que vamos utilizar na aula e dentro do arquivo em Python que está disponível você vai ter acesso a todos os links das documentações para te auxiliar no que precisar!

O primeiro passo antes de iniciar é instalar a biblioteca Seaborn, para isso basta ir até prompt do Anaconda e escrever pip install seaborn. Caso precise apenas atualizar basta escrever pip install seaborn -U.

Agora vamos a importação das bibliotecas que vamos utilizar.

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

Vamos importar o seaborn, a biblioteca pandas e a biblioteca matplotlib.

Em seguida vamos importar a nossa base de dados (que também está disponível para download).

Importando a base de dados
Importando a base de dados

Agora vamos para a parte de tipos de gráficos onde temos a separação desses gráficos por categoria.

Tipos de gráfico
Tipos de gráfico

Temos os gráficos de relação, distribuição e categoria, lembrando que já deixamos o link da documentação para facilitar quando precisar buscar pelos tipos de gráfico.

Então além dos tipos de gráfico você vai poder clicar e ver informações detalhadas sobre cada um deles.

Agora vamos colocar a mão na massa e começar nossas práticas iniciando com o gráfico de dispersão no Python.

fig = sns.scatterplot(data=df_videos,x="Nª de Views",y="Nº de Likes",hue="Responsável",style="Responsável",palette=["red","black"],size = "Nº Inscrições",legend="full")
Gráficos no Python com Seaborn
Gráfico de Dispersão

Aqui estamos utilizando a nossa base de dados já importada para plotar o gráfico e se notar estamos colocando diversas informações “extras” para melhorar ainda mais o visual do nosso gráfico.

Então estamos colocando nome nos eixos, título na legenda, legenda, cor dos dados para diferenciar cada informação.

E por fim estamos dimensionando o tamanho de cada ponto de acordo com o número de inscrições.

Podemos também criar um gráfico de dispersão relacional, ou seja, um gráfico que vai fazer relação entre as informações que temos.

fig = sns.scatterplot(data=df_videos,x="Nº de Views",y="Nº de Likes",col="Categoria")#kind="line"
fig.set_axis_labels(x_var="Nº views", y_var="Nº Likes")
fig.set_titles("Categoria:{col_name}")
plt.show(fig)
Gráfico de Dispersão Relacional
Gráfico de Dispersão Relacional

Neste caso estamos relacionando ainda o número de views com o número de likes, mas aqui temos as informações separadas pela coluna de categoria.

Vamos agora ao famoso gráfico de linha no Python, é um gráfico simples, mas é sempre muito útil quando precisamos fazer análises de dados.

df_inscritos=pd.read_excel('videosYT.xlsx',"Inscritos")
display(df_inscritos)

graf_linha = sns.lineplot(data = df_inscritos, x"Mês/Ano", y="Inscritos", color = "red")
graf_linha.set_title("Crescimento Inscritos")
plt.show(graf_linha)
Gráfico de Linha
Gráfico de Linha

Novamente temos alguns argumentos a mais para melhorar a visualização do gráfico e não ter simplesmente a linha sendo mostrada.

Temos o título do gráfico, o título dos eixos, a mudança de cor da linha e tudo isso é para melhorar a visualização do crescimento dos inscritos.


Veja que fica bem fácil de identificar qual o período em que o crescimento de inscritos começa a crescer mais e já conseguimos visualizar a quantidade que temos nesse período.

Vamos agora a criação de um Histograma no Python! Um histograma se você ainda não sabe é um gráfico que mostra a distribuição de frequência de uma determinada informação.

fig = sns.scatterplot(data=df_videos,x="Nº de Likes",hue="Responsável", col="Categoria")#kind = "kde"
plt.show(fig)
Gráficos no Python com Seaborn
Histograma

Aqui temos um gráfico de histograma comparando os responsáveis em cada uma das categorias.

Vamos finalizar com o gráfico de regressão linear no Python!

fig = sns.regplot(data=df_videos,x="Nº de Views",y="Nº de Likes")
plt.show(fig)

fig = sns.lmplot(data=df_videos,x="Nº de Views",y="Nº de Likes",hue="Responsável", markers=['o','x'])
plt.show(fig)
Gráficos no Python com Seaborn
Gráfico de Regressão Linear

Novamente você vai perceber que sempre podemos adicionar novos argumentos para complementar a visualização.

Isso vai depender do que você precisa para a análise que está fazendo, então é importante ler a documentação e testar as informações.

Conclusão

Nessa aula nós vimos como criar gráficos estatísticos para análise de dados no Python utilizando a biblioteca seaborn.

É muito importante também praticar, pois a medida em que vai praticando alguns comandos vão ficando mais intuitivos e já vai gravando os que mais utiliza.

De qualquer forma no documento disponibilizado já deixamos todos os links das documentações que vai precisar quando tiver dúvidas, então basta dar uma olhada e prosseguir.

Outro ponto muito importante é que você explore essas funcionalidades, teste as opções, pois assim vai aprender ainda mais sobre os gráficos!

Agora é hora de praticar e colocar a mão na massa para aprender mais sobre os gráficos e começar a utilizar dentro dos seus códigos!

Hashtag Treinamentos

Para acessar outras publicações de Python, clique aqui!


Quer aprender mais sobre Python com um minicurso básico gratuito?

Quer ter acesso a um Minicurso de Finanças no Excel de forma 100% gratuita? Preencha seu e-mail abaixo!