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:
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:
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!
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 pdVamos 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).
Agora vamos para a parte de tipos de gráficos onde temos a separação desses gráficos por categoria.
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")
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)
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)
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)
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)
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.
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!
Para acessar outras publicações de Python, clique aqui!
Expert em conteúdos da Hashtag Treinamentos. Auxilia na criação de conteúdos de variados temas voltados para aqueles que acompanham nossos canais.
Quer sair do zero no Power BI e impressionar no Mercado de Trabalho? Inscreva-se no Power BI Impressionador!