Visualizações com Matplotlib para Análise de Dados

Introdução

Neste tutorial, você aprenderá como usar o Matplotlib para criar visualizações em Python. Matplotlib é uma biblioteca popular de visualização de dados em Python, usada para criar uma variedade de gráficos e diagramas. Com o Matplotlib, você pode criar gráficos de linhas, gráficos de dispersão (scatter plots), gráficos de barras, histogramas e muitos outros tipos de visualizações.

Dicas para a 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.

Importando Matplotlib

Antes de criar qualquer visualização, precisamos importar a biblioteca Matplotlib. Também usaremos a biblioteca NumPy para gerar alguns dados de exemplo.

import matplotlib.pyplot as plt
import numpy as np

Criando Dados de Exemplo

Vamos criar alguns dados de exemplo que usaremos para criar visualizações. Geraremos quatro conjuntos de dados, cada um com 11 pontos de dados x,y.

x = [10, 8, 13, 9, 11, 14, 6, 4, 12, 7, 5]
y1 = [8.04, 6.95, 7.58, 8.81, 8.33, 9.96, 7.24, 4.26, 10.84, 4.82, 5.68]
y2 = [9.14, 8.14, 8.74, 8.77, 9.26, 8.10, 6.13, 3.10, 9.13, 7.26, 4.74]
y3 = [7.46, 6.77, 12.74, 7.11, 7.81, 8.84, 6.08, 5.39, 8.15, 6.42, 5.73]
x4 = [8, 8, 8, 8, 8, 8, 8, 19, 8, 8, 8]
y4 = [6.58, 5.76, 7.71, 8.84, 8.47, 7.04, 5.25, 12.50, 5.56, 7.91, 6.89]

Criando uma Figura com Subplots

Agora, criaremos uma figura com quatro subplots, um para cada conjunto de dados. Também definiremos os limites de x e y para serem os mesmos para todos os subplots.

fig, axs = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6, 6),
                        gridspec_kw={'wspace': 0.08, 'hspace': 0.08})
axs[0, 0].set(xlim=(0, 20), ylim=(2, 14))
axs[0, 0].set(xticks=(0, 10, 20), yticks=(4, 8, 12))

Plotando os Dados

Para cada subplot, plotaremos os pontos de dados x e y e adicionaremos uma linha de regressão linear. Também adicionaremos uma caixa de texto com algumas estatísticas sobre os dados.

datasets = {
    'I': (x, y1),
    'II': (x, y2),
    'III': (x, y3),
    'IV': (x4, y4)
}

for ax, (label, (x, y)) in zip(axs.flat, datasets.items()):
    ax.text(0.1, 0.9, label, fontsize=20, transform=ax.transAxes, va='top')
    ax.tick_params(direction='in', top=True, right=True)
    ax.plot(x, y, 'o')

    ## linear regression
    p1, p0 = np.polyfit(x, y, deg=1)  ## slope, intercept
    ax.axline(xy1=(0, p0), slope=p1, color='r', lw=2)

    ## add text box for the statistics
    stats = (f'$\\mu$ = {np.mean(y):.2f}\n'
             f'$\\sigma$ = {np.std(y):.2f}\n'
             f'$r$ = {np.corrcoef(x, y)[0][1]:.2f}')
    bbox = dict(boxstyle='round', fc='blanchedalmond', ec='orange', alpha=0.5)
    ax.text(0.95, 0.07, stats, fontsize=9, bbox=bbox,
            transform=ax.transAxes, horizontalalignment='right')

plt.show()

Interpretando os Resultados

A visualização resultante é um conjunto de quatro subplots, cada um mostrando um conjunto de dados diferente. Os limites de x e y são os mesmos para todos os subplots. Cada subplot contém os pontos de dados x e y, bem como uma linha de regressão linear. A caixa de texto no canto inferior direito de cada subplot mostra algumas estatísticas sobre os dados, incluindo a média, o desvio padrão e o coeficiente de correlação.

Resumo

Neste tutorial, você aprendeu como usar Matplotlib para criar visualizações em Python. Você aprendeu como criar uma figura com subplots, plotar pontos de dados, adicionar uma linha de regressão linear e adicionar uma caixa de texto com estatísticas sobre os dados. Com Matplotlib, você pode criar uma ampla variedade de visualizações para explorar e analisar seus dados.