Stackplots e Streamgraphs com Matplotlib

Introdução

Neste laboratório, você aprenderá como usar Matplotlib para criar stackplots e streamgraphs. Stackplots são úteis quando você deseja visualizar múltiplos conjuntos de dados como áreas verticalmente empilhadas. Streamgraphs são uma variação de stackplots onde a linha de base do gráfico não é fixada em zero. Em vez disso, a linha de base é "ondulada" para que as áreas do gráfico sejam suavizadas e fluam umas para as outras.

Dicas da VM

Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.

Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.

Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.

Importar Bibliotecas

O primeiro passo é importar as bibliotecas necessárias, que neste caso são Matplotlib e NumPy.

import matplotlib.pyplot as plt
import numpy as np

Criar Stackplot

O segundo passo é criar um stackplot usando a função stackplot(). Usaremos dados das Perspectivas da População Mundial das Nações Unidas (Revisão 2019) para criar um stackplot da população mundial por continente de 1950 a 2018.

## data from United Nations World Population Prospects (Revision 2019)
## https://population.un.org/wpp/, license: CC BY 3.0 IGO
year = [1950, 1960, 1970, 1980, 1990, 2000, 2010, 2018]
population_by_continent = {
    'africa': [228, 284, 365, 477, 631, 814, 1044, 1275],
    'americas': [340, 425, 519, 619, 727, 840, 943, 1006],
    'asia': [1394, 1686, 2120, 2625, 3202, 3714, 4169, 4560],
    'europe': [220, 253, 276, 295, 310, 303, 294, 293],
    'oceania': [12, 15, 19, 22, 26, 31, 36, 39],
}

fig, ax = plt.subplots()
ax.stackplot(year, population_by_continent.values(),
             labels=population_by_continent.keys(), alpha=0.8)
ax.legend(loc='upper left', reverse=True)
ax.set_title('World population')
ax.set_xlabel('Year')
ax.set_ylabel('Number of people (millions)')

plt.show()

Criar Streamgraph

O terceiro passo é criar um streamgraph usando a função stackplot() com o parâmetro baseline definido como 'wiggle'. Criaremos uma mistura aleatória de Gaussianas e as plotaremos como um streamgraph.

## Fixing random state for reproducibility
np.random.seed(19680801)


def gaussian_mixture(x, n=5):
    """Return a random mixture of *n* Gaussians, evaluated at positions *x*."""
    def add_random_gaussian(a):
        amplitude = 1 / (.1 + np.random.random())
        dx = x[-1] - x[0]
        x0 = (2 * np.random.random() - .5) * dx
        z = 10 / (.1 + np.random.random()) / dx
        a += amplitude * np.exp(-(z * (x - x0))**2)
    a = np.zeros_like(x)
    for j in range(n):
        add_random_gaussian(a)
    return a


x = np.linspace(0, 100, 101)
ys = [gaussian_mixture(x) for _ in range(3)]

fig, ax = plt.subplots()
ax.stackplot(x, ys, baseline='wiggle')
plt.show()

Resumo

Parabéns! Você aprendeu como criar stackplots e streamgraphs usando Matplotlib. Stackplots são úteis para visualizar múltiplos conjuntos de dados como áreas verticalmente empilhadas, enquanto streamgraphs são uma variação de stackplots onde a linha de base é "wiggled" (ondulada) para que as áreas do gráfico sejam suavizadas e fluam umas nas outras.