Visualização de dados em Python: gráficos fundamentais explicados [com ilustração gráfica]

Princípios Básicos de Design

Para qualquer cientista de dados aspirante ou bem-sucedido, ser capaz de explicar sua pesquisa e análise é uma habilidade muito importante e útil de se possuir. É aqui que a visualização de dados entra em cena. É vital usar essa ferramenta honestamente, pois o público pode ser facilmente desinformado ou enganado por más escolhas de design.

Como cientistas de dados, todos temos certas obrigações em relação à preservação do que é verdadeiro.

A primeira é que devemos ser completamente honestos conosco mesmos ao limpar e resumir os dados. O pré-processamento de dados é uma etapa muito crucial para que qualquer algoritmo de aprendizado de máquina funcione e, portanto, qualquer desonestidade nos dados levará a resultados drasticamente diferentes.

Outra obrigação é para com o nosso público-alvo. Existem várias técnicas na visualização de dados que são usadas para destacar seções específicas de dados e tornar alguns outros dados menos proeminentes. Portanto, se não formos cuidadosos o suficiente, o leitor não poderá explorar e julgar a análise adequadamente, o que pode gerar dúvidas e falta de confiança.

Sempre se questionar é uma boa característica para os cientistas de dados. E devemos sempre pensar em como mostrar o que realmente importa de uma maneira compreensível e esteticamente agradável, ao mesmo tempo em que lembramos que o contexto é importante.

É exatamente isso que Alberto Cairo tenta retratar em seus ensinamentos. Ele menciona as cinco qualidades das grandes visualizações: belas, esclarecedoras, funcionais, perspicazes e verdadeiras, que vale a pena manter em mente.

Algumas parcelas fundamentais

Agora que temos uma compreensão básica dos princípios de design, vamos mergulhar em algumas técnicas fundamentais de visualização usando a biblioteca matplotlib em python.

Todo o código abaixo pode ser executado em um notebook Jupyter.

bloco de notas %matplotlib

# isso fornece um ambiente interativo e define o back-end. ( %matplotlib inline também pode ser usado, mas não é interativo. Isso significa que quaisquer outras chamadas para funções de plotagem não atualizarão automaticamente nossa visualização original.)

import matplotlib.pyplot as plt # importando o módulo de biblioteca necessário

Gráficos de pontos

A função matplotlib mais simples para traçar um ponto é plot() . Os argumentos representam as coordenadas X e Y e, em seguida, um valor de string que descreve como a saída de dados deve ser mostrada.

plt.figura()

plt.plot( 5, 6, '+' ) # o sinal + funciona como um marcador

Gráficos de dispersão

Um gráfico de dispersão é um gráfico bidimensional. A função scatter() também recebe o valor X como primeiro argumento e o valor Y como segundo. O gráfico abaixo é uma linha diagonal e o matplotlib ajusta automaticamente o tamanho de ambos os eixos. Aqui, o gráfico de dispersão não trata os itens como uma série. Assim, também podemos fornecer uma lista de cores desejadas correspondentes a cada um dos pontos.

importar numpy como np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8] )

y = x

plt.figura()

plt.scatter( x, y )

Gráficos de linha

Um gráfico de linha é criado com a função plot() e traça um número de diferentes séries de pontos de dados como um gráfico de dispersão, mas conecta cada série de pontos com uma linha.

importar numpy como np

linear_data = np.array( [1, 2, 3, 4, 5, 6, 7, 8] )

dados_quadrado = dados_lineares**2

plt.figura()

plt.plot( linear_data, '-o', squared_data, '-o')

Para tornar o gráfico mais legível, também podemos adicionar uma legenda que nos dirá o que cada linha representa. Um título adequado para o gráfico e ambos os eixos é importante. Além disso, qualquer seção do gráfico pode ser sombreada usando a função fill_between() para destacar regiões relevantes.

plt.xlabel('X valores')

plt.ylabel('valores Y')

plt.title('Gráficos de Linhas')

plt.legend(['linear', 'quadrado'] )

plt.gca().fill_between( intervalo ( len ( linear_data ) ), linear_data, squared_data, facecolor = 'blue', alpha = 0,25)

É assim que o gráfico modificado se parece-

Gráficos de barra

Podemos traçar um gráfico de barras enviando argumentos para os valores X e a altura de cada barra para a função bar() . Abaixo está um gráfico de barras da mesma matriz de dados linear que usamos acima.

plt.figura()

x = intervalo( len ( linear_data ))

plt.bar( x, linear_data )

# para plotar os dados quadrados como outro conjunto de barras no mesmo gráfico, temos que ajustar os novos valores x para compensar o primeiro conjunto de barras

novo_x = []

para dados em x:

new_x.append(dados+0,3)

plt.bar(new_x, squared_data, largura = 0,3, cor = 'verde')

# Para gráficos com orientação horizontal usamos a função barh()

plt.figura()

x = intervalo( len(dados_lineares))

plt.barh( x, dados_lineares, altura = 0,3, cor = 'b')

plt.barh( x, dados_quadrados, altura = 0,3, esquerda = dados_lineares, cor = 'g')

#aqui está um exemplo de empilhamento de gráficos de barras verticalmente

plt.figura()

x = intervalo( len(dados_lineares))

plt.bar( x, linear_data, largura = 0,3, cor = 'b')

plt.bar( x, dados_quadrados, largura = 0,3, fundo = dados_lineares, cor = 'g')

Aprenda cursos de ciência de dados das melhores universidades do mundo. Ganhe Programas PG Executivos, Programas de Certificado Avançado ou Programas de Mestrado para acelerar sua carreira.

Conclusão

Os tipos de visualização não terminam aqui. Python também tem uma ótima biblioteca chamada seaborn que definitivamente vale a pena explorar. A visualização adequada das informações ajuda muito a aumentar o valor de nossos dados. A visualização de dados sempre será a melhor opção para obter insights e identificar várias tendências e padrões, em vez de consultar tabelas chatas com milhões de registros.

Se você está curioso para aprender sobre ciência de dados, confira o PG Diploma in Data Science do IIIT-B & upGrad, que é criado para profissionais que trabalham e oferece mais de 10 estudos de caso e projetos, workshops práticos práticos, orientação com especialistas do setor, 1- on-1 com mentores do setor, mais de 400 horas de aprendizado e assistência de trabalho com as principais empresas.