Objetivos da DCS¶
Aplicar técnicas de dataviz para plotagem e manipulação de representações visuais de quantidades.
Elaborar RV para dados acerca de consumidores da Netflix (Fonte: kaggle).
Ferramentas utilizadas¶
Módulos Python
pandasnumpymatplotlibseaborn
Aplicação do modelo referencial¶
Vide Capítulo ??.
import pandas as pd
import numpy as np
import seaborn as sb
import matplotlib.pyplot as plt
plt.style.use('../etc/gcpeixoto-datavis.mplstyle') # style sheetDados de entrada pré-processados¶
Carregamento de dados
df = pd.read_csv('../data/netflix-data.csv')
df = df.set_index('User ID')
dfLoading...
Visualização de quantidades com histogramas¶
Plotagem com pandas¶
O módulo
pandaspossui métodos para plotagem básica que provêm domatplotlibe são um wrapper deplt.plot().Esses métodos são diretamente aplicáveis a
SerieseDataFrames.
Histogramas para objetos
DataFrameVisualizar distribuições para todas as variáveis possíveis.
df.hist(figsize=(8,2),
bins=6,
grid=False,
xlabelsize=14,
ylabelsize=10,
xrot=60,
yrot=-20);
Histogramas para objetos
Series
fig, ax = plt.subplots()
df['Age'].hist(figsize=(6,2),
bins=6,
grid=False,
color='#d3ecab',
edgecolor= 'w',
xlabelsize=14,
ylabelsize=14)
ax.set_xlabel('Idade');
Histograma gerado por meio de
plot
df.iloc[10:40]['Age'].plot(kind='bar',
title='Histograma (faixa de usuários)',
figsize=(8,2),
xlabel='Usuários',
ylabel='Idade',
grid=False);
Plotagem com matplotlib¶
Histogramas gerados com
histe suas opções.
fig, ax = plt.subplots(figsize=(6,3))
ax.hist(x=df['Age'],
density=True,
histtype='bar',
align='mid',
rwidth=0.7,
color='#99ba00',
bins=8,
alpha=0.2);
fig, ax = plt.subplots(figsize=(6,3))
ax.hist(x=df[['Age','Monthly Revenue']],
density=True,
histtype='step',
align='mid',
rwidth=0.5,
linewidth=3,
color=['#74bbff','#de45fb'],
bins=10);
Plotagem com seaborn¶
Opções de plotagem com
histplotPlotar diversidade de casos com alteração das variáveis
f, a = plt.subplots(figsize=(8,3))
sb.set_theme(style='darkgrid')
hp = sb.histplot(data=df,
x='Age', # 'y' para barra horizontal
hue='Gender',
bins=8,
#binwidth=1, # opção com bins
#binrange=(32,40), # extensão
cumulative=False, # cumulativa
stat='frequency', # 'count' | 'frequency' | 'probability' | 'density'
multiple='stack', # 'layer', 'stack', 'fill', 'dodge'
palette='muted',
kde=True, # density
kde_kws={'bw_method':'silverman', # método de binning: 'scott' | 'silverman'
'bw_adjust':0.4}, # ajuste da largura de banda: quanto maior, mais suave
element='bars', # 'bars' | 'step' | 'poly'
linewidth=1,
edgecolor='w',
#log_scale=False,
ax=a)
Visualização de quantidades com mapa de calor¶
f, a = plt.subplots(figsize=(4,6))
dfpt = pd.pivot_table(df, index='Country', columns='Device', values='Age')
# escolha 'mask' para exibir mapa de calor com máscara
test = 'full'
if test == 'full':
mask = ~np.ones(dfpt.shape,dtype=bool)
else:
mask = ~np.ones(dfpt.shape,dtype=bool)
indices = np.argwhere(dfpt.values > 37)
mask[indices[:,0], indices[:,1]] = True
g = sb.heatmap(data=dfpt,
cmap=sb.color_palette('mako'),
annot=False,
linewidths=10,
linecolor='white',
square=True,
cbar=False,
xticklabels=False,
yticklabels=False,
mask=mask,
ax=a)
