Criando uma Visualização Combinada com Diferentes Técnicas Alfa
Neste passo final, combinaremos múltiplas técnicas para criar uma visualização mais complexa que demonstra valores alfa uniformes e variáveis em um único gráfico.
Adicionando uma Nova Célula
Adicione uma nova célula ao seu Jupyter Notebook clicando no botão "+" na barra de ferramentas ou pressionando "Esc" seguido de "b" no modo de comando.
Criando uma Visualização Combinada
Insira e execute o seguinte código na nova célula:
import matplotlib.pyplot as plt
import numpy as np
## Set a random seed for reproducibility
np.random.seed(19680801)
## Create a figure with two subplots side by side
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
## Generate some common data
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) * np.cos(x)
## First subplot: Fixed alpha for all lines
ax1.plot(x, y1, color='red', linewidth=2, label='sin(x)', alpha=0.7)
ax1.plot(x, y2, color='blue', linewidth=2, label='cos(x)', alpha=0.7)
ax1.plot(x, y3, color='green', linewidth=2, label='sin(x)cos(x)', alpha=0.7)
## Add title and legend to first subplot
ax1.set_title("Multiple Lines with Uniform Alpha")
ax1.set_xlabel("x")
ax1.set_ylabel("y")
ax1.legend()
ax1.grid(True, linestyle='--', alpha=0.5)
## Second subplot: Scatter plot with varying alpha based on y-value
sizes = np.abs(y3 * 100) + 10 ## Vary point sizes based on y3
colors = y3 ## Use y3 values for coloring
## Calculate varying alpha values between 0.3 and 1.0 based on absolute y3 values
alphas = 0.3 + 0.7 * (np.abs(y3) / max(np.abs(y3)))
## Create a scatter plot with varying sizes, colors, and alphas
scatter = ax2.scatter(x, y3, s=sizes, c=colors, cmap='viridis',
alpha=alphas)
## Add title and labels to second subplot
ax2.set_title("Scatter Plot with Varying Alpha Based on Y-Value")
ax2.set_xlabel("x")
ax2.set_ylabel("sin(x)cos(x)")
ax2.grid(True, linestyle='--', alpha=0.5)
## Add a colorbar to the second subplot
cbar = plt.colorbar(scatter, ax=ax2)
cbar.set_label('Value of sin(x)cos(x)')
## Adjust layout and show the plot
plt.tight_layout()
plt.show()
Compreendendo o Código e a Saída
Após executar o código, você deve ver uma figura com dois subplots lado a lado:
-
Primeiro Subplot (Alfa Uniforme): Mostra três funções trigonométricas plotadas com o mesmo valor alfa (0.7).
-
Segundo Subplot (Alfa Variável): Mostra um gráfico de dispersão onde:
- A coordenada x é o valor de entrada
- A coordenada y é sin(x)cos(x)
- O tamanho de cada ponto varia com base no valor y absoluto
- A cor de cada ponto varia com base no valor y
- O alfa (transparência) de cada ponto varia com base no valor y absoluto
Vamos analisar as partes principais do código:
-
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6)) - Cria uma figura com dois subplots lado a lado.
-
Para o primeiro subplot:
ax1.plot(..., alpha=0.7) - Usa um valor alfa uniforme para todas as três linhas.
-
Para o segundo subplot:
alphas = 0.3 + 0.7 * (np.abs(y3) / max(np.abs(y3))) - Calcula valores alfa variáveis entre 0.3 e 1.0.ax2.scatter(..., alpha=alphas) - Usa valores alfa variáveis para os pontos de dispersão.
Esta combinação de técnicas demonstra como os valores alfa podem ser usados de várias maneiras para aprimorar as visualizações:
Ao dominar essas técnicas, você pode criar visualizações de dados mais eficazes e visualmente atraentes.
