+ - 0:00:00
Notes for current slide
Notes for next slide





Introdução à análise de dados



Adriano Pereira, Felipe Carvalho & Felipe Menino

Julho 2021

1 / 58

Agenda



  • Introdução ao R

    • Tidyverse

  • Introdução ao Python

    • Pandas

  • Visualização de dados


2 / 58





Introdução ao Python

3 / 58

Introdução ao Python




Python é uma linguagem de programação multiparadigma, que através de uma sintaxe simples, permite a seus utilizadores focar na solução de problemas, não os impedindo com complexidades além do necessário.



4 / 58





Conceitos básicos da linguagem

5 / 58

Comandos básicos da linguagem

Declarações de variáveis

A declaração de variáveis no Python é feita com o sinal =

  variavel = valor da variável

Os valores das variáveis podem ser de diferentes tipos:

  inteiro = 123
  flutuante = 1.1234
  booleano = True
  lista = [1, 2, 3, 4, 5]
  dicionario = {'chave': 'valor'}
  string = 'Um texto legal'

Manipulação de números (Inteiro e Float)

  inteiro + 2 # 125
  inteiro * 2 # 246
  flutuante / 2 # 0.5617

Manipulação de listas

  lista[0] # 1 (Primeiro valor)
  lista[0:3] # Do valor `0` à `2`
  lista[-1] # Último valor

Manipulação de dicionário (Chave-Valor)

  dicionario['chave'] # 'valor'
6 / 58

Estrutura de controle de decisão

As estruturas de controle de decisão são utilizadas para determinar quais ações/códigos serão executados com base na verificação de testes lógicos.

if

if (2 > 1):
  print("Dois é maior que um!")
## Dois é maior que um!

else

if (2 < 1):
  print('Dois é menor que um')
else:
  print('Dois é maior que um')
## Dois é maior que um


elif

if (1 > 1):
  print('Um é maior que um')
elif(1 > 0.5):
  print('Um é maior que meio')
## Um é maior que meio
7 / 58

Estrutura de repetição

Estruturas de repetição permitem que um determinado bloco de código seja executado por diversas vezes.

Iterando com testes lógicos (while)

  i = 0
  while i < 5:
    print(i)
    i += 1
  ## 0
  ## 1
  ## 2
  ## 3
  ## 4

Iterando em elementos (for-each)

Iterando em uma lista de valores:

    for i in [11, 22]:
      print(i)
    # 1° Iteração (i = 11)
    # 2° Iteração (i = 22)

Iterando em um intervalo de valores:

    for i in range(0, 9, 3): # range(inicio, fim, passo)
      print(i)
    # 1° Iteração (i = 0)
    # 2° Iteração (i = 3)
    # 3° Iteração (i = 6)
8 / 58





Pandas 🐼

9 / 58

Pandas 🐼


Pandas é uma biblioteca para a linguagem de programação Python, que fornece recursos rápidos, poderosos, flexíveis e fáceis de usar para a manipulação e análise de dados.


Para importar a biblioteca, utilize:

import pandas as pd

Para instalar a biblioteca, utilize o comando pip install pandas

10 / 58

Pandas 🐼


Qual tipo de dado é possível manipular com Pandas ?


As funcionalidades do Pandas ajudam na exploração, limpeza e processamento de dados tabulares, como os armazenados em planilhas Excel, CSV ou bancos de dados tabulares.

11 / 58





Estruturas de dados 🎲

12 / 58

Estruturas de dados 🎲



Series

DataFrames
13 / 58

Estruturas de dados 🎲

Series são estruturas de dados unidimensionais que permitem o armazenamento de sequências de valores.

14 / 58

Estruturas de dados 🎲

Cada uma das linhas são associadas a nomes (ou índices), que podem ser utilizados para a busca e recuperação dos dados.

15 / 58

Estruturas de dados 🎲

Diferentes tipos de dados podem ser armazenados (e.g. Inteiro, String, Float) e utilizados para a criação dos índices de uma Series.

16 / 58

Estruturas de dados 🎲

Diferentes tipos de dados podem ser armazenados (e.g. Inteiro, String, Float) e utilizados para a criação dos índices de uma Series.

17 / 58

Estruturas de dados 🎲

Diferentes tipos de dados podem ser armazenados (e.g. Inteiro, String, Float) e utilizados para a criação dos índices de uma Series.

18 / 58

Estruturas de dados 🎲

Exemplos de manipulação das Series

Criando uma Series

  series = pd.Series([1, 2]) 
  print(series)
  ## 0    1
  ## 1    2
  ## dtype: int64

Series com índice

  series = pd.Series([1, 2, 3], 
                     index = [9, 'ultimo', 'tres'])
  print(series)
  ## 9         1
  ## ultimo    2
  ## tres      3
  ## dtype: int64

Recuperando dados

Pode-se recuperar os dados com o operador []

  serie[nome da linha]

Recuperação de uma linha única:

  series[9]
  ## 1

Intervalos de valores também são permitidos:

  series[9: 'tres']
  ## 9         1
  ## ultimo    2
  ## tres      3
  ## dtype: int64
19 / 58

Exemplo de utilização: Trajetória de uso e cobertura da Terra (LULC).

Trajetória: Variação temporal de classes de LULC de uma coleção de dados em uma determinada localização no espaço geográfico.

Criando a trajetória como uma Series

  trajectory = pd.Series([
    "Pastagem", "Pastagem", 
    "Outras Lavouras Temporárias", 
    "Soja", "Soja"
  ], index = [2014, 2015, 2016, 2017, 2018])
  trajectory
  ## 2014                       Pastagem
  ## 2015                       Pastagem
  ## 2016    Outras Lavouras Temporárias
  ## 2017                           Soja
  ## 2018                           Soja
  ## dtype: object

Trajetória extraída da localização (-10.710, -55.612) com o serviço WLTS (Coleção MapBiomas 5).

Mais formas de acessar os dados

Recuperando os primeiros valores com head

  trajectory.head(n = 2) # padrão (n = 5)
  ## 2014    Pastagem
  ## 2015    Pastagem
  ## dtype: object

Recuperando os últimos valores com tail

  trajectory.tail(n = 2)
  ## 2017    Soja
  ## 2018    Soja
  ## dtype: object
20 / 58

Estruturas de dados 🎲

Questão: Como tratar os casos em que há mais colunas ?

21 / 58

Estruturas de dados 🎲

Questão: Como tratar os casos em que há mais colunas ?

22 / 58

Estruturas de dados 🎲

DataFrames são estruturas de dados bidimensionais, representando tabelas, formadas por conjuntos de Series. É a estrutura de dados principal do Pandas.

23 / 58

Estruturas de dados 🎲

Exemplo de manipulação dos DataFrames

Criando um DataFrame

  df = pd.DataFrame([[1, 2, 3, 4], [11, 12, 13, 14]])
  print(df)
  ##     0   1   2   3
  ## 0   1   2   3   4
  ## 1  11  12  13  14

DataFrame com índice

  df = pd.DataFrame([[1, 2, 3, 4], [11, 12, 13, 14]], 
                      index = ['um', 'dois'])
  print(df)
  ##        0   1   2   3
  ## um     1   2   3   4
  ## dois  11  12  13  14

Índices e colunas

  df = pd.DataFrame([[1, 2, 3, 4], [11, 12, 13, 14]], 
                    index = ['um', 'dois'], 
                    columns = ['a', 'b', 'c', 'd'])
  print(df)
  ##        a   b   c   d
  ## um     1   2   3   4
  ## dois  11  12  13  14
24 / 58

Estruturas de dados 🎲

Exemplo de manipulação dos DataFrames

Recuperando dados

Como as Series, nos DataFrames a recuperação básica de dados ocorre com o operador [].

  dataframe[nome da coluna]

DataFrame de exemplo

  df = pd.DataFrame([[1, 2, 3, 4], [11, 12, 13, 14]], 
                  index = ['um', 'dois'], 
                  columns = ['a', 'b', 'c', 'd'])
  print(df)
  ##        a   b   c   d
  ## um     1   2   3   4
  ## dois  11  12  13  14

Recuperando uma coluna

  df['a'] # <class 'pandas.core.series.Series'>
  ## um       1
  ## dois    11
  ## Name: a, dtype: int64

Recuperando mais colunas

  df[['a', 'b']] # <class 'pandas.core.frame.DataFrame'>
  ##        a   b
  ## um     1   2
  ## dois  11  12
25 / 58

Exemplo de utilização: Séries temporais de imagens de satélite (SITS)

SITS: Variação temporal de valores de bandas espectrais em uma determinada localização no espaço geográfico.

DataFrame com SITS de vários pontos

  sits = pd.DataFrame({
    "P1_NDVI": [0.578, 0.653, 0.691, 0.451], # Ponto 1
    "P2_NDVI": [0.592, 0.617, 0.580, 0.578], # Ponto 2
    "P3_NDVI": [0.574, 0.591, 0.570, 0.385]  # Ponto 3
  }, index = ["2017-01-01", "2017-01-17", 
              "2017-02-02", "2017-02-18"])
  sits
  ##             P1_NDVI  P2_NDVI  P3_NDVI
  ## 2017-01-01    0.578    0.592    0.574
  ## 2017-01-17    0.653    0.617    0.591
  ## 2017-02-02    0.691    0.580    0.570
  ## 2017-02-18    0.451    0.578    0.385

SITS extraídas com o serviço WTSS (Coverage CBERS-4/AWFI).

Visão geral dos dados com describe

  sits.describe() # Informações estatísticas
  ##         P1_NDVI   P2_NDVI   P3_NDVI
  ## count  4.000000  4.000000  4.000000
  ## mean   0.593250  0.591750  0.530000
  ## std    0.105819  0.017933  0.097094
  ## min    0.451000  0.578000  0.385000
  ## 25%    0.546250  0.579500  0.523750
  ## 50%    0.615500  0.586000  0.572000
  ## 75%    0.662500  0.598250  0.578250
  ## max    0.691000  0.617000  0.591000
26 / 58





Seleção e filtro de dados com Pandas

27 / 58

Seleção e filtro de dados com Pandas

Durante o processo de análise, faz-se necessário a realização de seleção e filtro dos dados para a captura de comportamentos específicos. O Pandas fornece diferentes métodos para essas operações.

28 / 58

Seleção e filtro de dados com Pandas

Durante o processo de análise, faz-se necessário a realização de seleção e filtro dos dados para a captura de comportamentos específicos. O Pandas fornece diferentes métodos para essas operações.

loc e iloc

Dentre os métodos disponíveis, tem-se o loc e o iloc que permitem a seleção e filtro de dados armazenados em Series e DataFrames.


Series DataFrames
.loc[Nome da linha] .loc[Nome da linha, Nome da coluna]
.iloc[Posição da linha] .iloc[posição da linha, posição da coluna]
28 / 58

Seleção e filtro de dados com Pandas

Exemplo de utilização do loc

DataFrame de exemplo

  df = pd.DataFrame({
    'nome': ['Joana', 'Maria', 'Josefa'],
    'idade': [15, 18, 21],
    'nota': [8, 9, 10]
  }, index = [7, 8, 9])
  df
  ##      nome  idade  nota
  ## 7   Joana     15     8
  ## 8   Maria     18     9
  ## 9  Josefa     21    10

Selecionando dados pelo nome das linhas e colunas

Recuperando a linha de nome "9"

  print(df.loc[9])
  ## nome     Josefa
  ## idade        21
  ## nota         10
  ## Name: 9, dtype: object

Recuperando a linha de nome "9" e a coluna de nome "idade"

  print(df.loc[9, 'idade'])
  ## 21
29 / 58

Seleção e filtro de dados com Pandas

Exemplo de utilização do iloc

DataFrame de exemplo

  df = pd.DataFrame({
    'nome': ['Joana', 'Maria', 'Josefa'],
    'idade': [15, 18, 21],
    'nota': [8, 9, 10]
  }, index = [7, 8, 9])
  df
  ##      nome  idade  nota
  ## 7   Joana     15     8
  ## 8   Maria     18     9
  ## 9  Josefa     21    10

Selecionando dados pela posição das linhas e colunas

Recuperando a linha de posição "2"

  print(df.iloc[2])
  ## nome     Josefa
  ## idade        21
  ## nota         10
  ## Name: 9, dtype: object

Recuperando a linha de posição "2" e a coluna de posição "1"

  print(df.iloc[2, 1])
  ## 21
30 / 58

Seleção e filtro de dados com Pandas

Comparação entre loc e iloc

DataFrame de exemplo

  df = pd.DataFrame({
    'nome': ['Joana', 'Maria', 'Josefa'],
    'idade': [15, 18, 21],
    'nota': [8, 9, 10]
  }, index = [7, 8, 9])
  df
  ##      nome  idade  nota
  ## 7   Joana     15     8
  ## 8   Maria     18     9
  ## 9  Josefa     21    10

Selecionando dados pela posição e nome

Recuperando a linha de nome "9" com loc

  print(df.loc[9])
  ## nome     Josefa
  ## idade        21
  ## nota         10
  ## Name: 9, dtype: object

Recuperando a linha de posição "2" com iloc

  print(df.iloc[2])
  ## nome     Josefa
  ## idade        21
  ## nota         10
  ## Name: 9, dtype: object
31 / 58

Seleção e filtro de dados com Pandas

Comparação entre loc e iloc

DataFrame com SITS de vários pontos

  print(sits)
  ##             P1_NDVI  P2_NDVI  P3_NDVI
  ## 2017-01-01    0.578    0.592    0.574
  ## 2017-01-17    0.653    0.617    0.591
  ## 2017-02-02    0.691    0.580    0.570
  ## 2017-02-18    0.451    0.578    0.385

Selecionando dados com intervalos

Recuperando intervalo de nomes das linhas

  print(sits.loc["2017-01-01":"2017-01-17", "P2_NDVI"])
  ## 2017-01-01    0.592
  ## 2017-01-17    0.617
  ## Name: P2_NDVI, dtype: float64

Recuperando intervalo de posições das linhas

  print(sits.iloc[0:2, 1])
  ## 2017-01-01    0.592
  ## 2017-01-17    0.617
  ## Name: P2_NDVI, dtype: float64
32 / 58

Seleção e filtro de dados com Pandas

Filtro de dados

Indexação booleana

É possível fazer o filtro de dados com um índice booleano

  df = pd.DataFrame({
    'nome': ['A1', 'A2', 'A3', 'A4'], 
    'valor': [5, 12, 8, 30]
  })
  df
  ##   nome  valor
  ## 0   A1      5
  ## 1   A2     12
  ## 2   A3      8
  ## 3   A4     30

O filtro dos dados pode ser feito com loc e iloc

loc

  df.loc[[False, True, False, True]]
  ##   nome  valor
  ## 1   A2     12
  ## 3   A4     30

iloc

  df.iloc[[False, True, False, True]]
  ##   nome  valor
  ## 1   A2     12
  ## 3   A4     30
33 / 58

Seleção e filtro de dados com Pandas

Filtro de dados

Expressões booleanas

Testes lógicos podem ser adicionados no filtro para a geração das listas booleanas

      dataframe.loc[(teste 1)]


Filtrando valores maiores que "5"

  df.loc[df['valor'] > 5]
  ##   nome  valor
  ## 1   A2     12
  ## 2   A3      8
  ## 3   A4     30

A expressão retorna os valores booleanos do teste feito

  df['valor'] > 5
  ## 0    False
  ## 1     True
  ## 2     True
  ## 3     True
  ## Name: valor, dtype: bool
34 / 58

Seleção e filtro de dados com Pandas

Filtro de dados

Expressões booleanas mais complexas

Mais testes lógicos podem ser adicionados ao filtro. Cada teste é separado por um operador lógico e parênteses.

      dataframe.loc[(teste 1) operador (teste 2)]


Os operadores lógicos são:

  • e (&);
  • ou (|).

Filtrando valores maiores ou igual a 5 e menores que 12

  df.loc[(df['valor'] >= 5) & (df['valor'] < 12)]
  ##   nome  valor
  ## 0   A1      5
  ## 2   A3      8

O método query pode ser mais amigável

  df.query('valor >= 5 & valor < 12')
  ##   nome  valor
  ## 0   A1      5
  ## 2   A3      8
35 / 58





Agrupamento e agregação de dados

36 / 58

Agrupamento e agregação




Agrupar e agregar são técnicas que facilitam a análise de dados. Em etapas exploratórias, essas operações podem ser essenciais para a identificação e entendimento de padrões nos dados.

37 / 58

Agrupamento e agregação

Agregações são operações aplicadas sobre os dados que resultam em conjuntos de valores. Esses valores podem variar em seu tipo de acordo com a estrutura de dados em que é aplicado.



Algumas funções de agregação

  • sum();
  • max();
  • min();
  • mean().
38 / 58

Agrupamento e agregação

Agregação de dados

Series

  s = pd.Series([1, 2, 3])

Calculando o somatório com sum

  s.sum()
  ## 6

Valor mínimo com min

  s.min()
  ## 1

DataFrames

  df = pd.DataFrame([[1, 2, 3], [4, 5, 6]])

Calculando o valor médio com mean

  df.mean()
  ## 0    2.5
  ## 1    3.5
  ## 2    4.5
  ## dtype: float64

Valor máximo com max.

  df.max()
  ## 0    4
  ## 1    5
  ## 2    6
  ## dtype: int64
39 / 58

Agrupamento e agregação

Agrupamento de dados

Agrupando dados com groupby

É possível agrupar instâncias do conjunto de dados com base na igualdade de seus atributos.

  df = pd.DataFrame({
    'nome': ['Tel1', 'Tel2', 'Tel3'],
    'tipo': ['antigo', 'novo', 'novo']
  })
  df
  ##    nome    tipo
  ## 0  Tel1  antigo
  ## 1  Tel2    novo
  ## 2  Tel3    novo

Agrupando pela coluna/atributo tipo

  telefones_agrupados = df.groupby('tipo')


Recuperando os grupos gerados

  telefones_agrupados.groups
  ## {'antigo': [0], 'novo': [1, 2]}
40 / 58





Agrupamento + Agregação =

41 / 58

Agrupamento + Agregação


42 / 58

Exemplo de utilização: Agrupando clientes.

Definindo conjunto de dados sintético

  df = pd.DataFrame({
    'nome': ['ana', 'maria', 'felipe', 'joão'],
    'idade': [19, 19, 20, 20],
    'dinheiro': [150, 150, 100, 100]
  })
  df
  ##      nome  idade  dinheiro
  ## 0     ana     19       150
  ## 1   maria     19       150
  ## 2  felipe     20       100
  ## 3    joão     20       100

Agrupando pela idade

  agrupado = df.groupby('idade')

Agregando com count (Contando elementos)

  print(agrupado.count())
  ##        nome  dinheiro
  ## idade                
  ## 19        2         2
  ## 20        2         2

Agregando com mean (Média salarial por idade)

  agrupado['dinheiro'].mean()
  ## idade
  ## 19    150
  ## 20    100
  ## Name: dinheiro, dtype: int64
43 / 58





Leitura e escrita de dados

44 / 58

Leitura e escrita de dados

Além das estruturas de dados e funcionalidades para a manipulação e processamento dos dados, o Pandas fornece ainda um conjunto de opções para a leitura e escrita de dados.


Lista de formatos e operações de leitura/escrita do Pandas

45 / 58

Exemplo de utilização: Leitura de dados CSV.

Lendo e escrevendo dados CSV

  data = pd.read_csv("data/titanic.csv", sep = ',')
  data.head(n = 3)
  ##    PassengerId  Pclass                              Name  ...    Fare  Cabin  Embarked
  ## 0          892       3                  Kelly, Mr. James  ...  7.8292    NaN         Q
  ## 1          893       3  Wilkes, Mrs. James (Ellen Needs)  ...  7.0000    NaN         S
  ## 2          894       2         Myles, Mr. Thomas Francis  ...  9.6875    NaN         Q
  ## 
  ## [3 rows x 11 columns]

Os dados carregados são representados por Series e DataFrames.

  type(data)
  ## "<class 'pandas.core.frame.DataFrame'>"

Verificando a quantidade de dados carregados com shape

  data.shape  # (linhas, colunas)
  ## (418, 11)


Escrevendo os dados em um arquivo CSV

  data.to_csv('data/resultados.csv')
46 / 58




Exemplo de análise de dados

47 / 58

Exemplo de análise: Características de meteoritos.

Exemplo de análise de dados utilizando o conjunto de dados Meteorite Landings, disponibilizado no Kaggle pela NASA. O conjunto de dados é composto por mais de 45 mil registros, contendo diferentes informações sobre meteoritos que cairam na Terra.

Carregando os dados

  import pandas as pd
  data = pd.read_csv("data/meteorite-landings.csv")
  type(data)
  ## "<class 'pandas.core.frame.DataFrame'>"

Verificando os atributos dos dados.

  data.columns
  ## Index(['name', 'id', 'nametype', 'recclass', 'mass', 'fall', 'year', 'reclat',
  ##        'reclong', 'GeoLocation'],
  ##       dtype='object')

Separando os dados por tipo de meteorito

  df_valid = data.loc[data['nametype'] == 'Valid']
  df_relict = data.loc[data['nametype'] == 'Relict']


Verificando as quantidades de cada tipo

  print(df_valid.shape)
  ## (45641, 10)
  print(df_relict.shape)
  ## (75, 10)
48 / 58

Exemplo de utilização: Características de meteoritos.

Verificando a massa média de cada tipo de meteorito

  df_groupby_nametype = data.groupby('nametype')
  df_groupby_nametype['mass'].mean()
  ## nametype
  ## Relict        0.121269
  ## Valid     13285.656127
  ## Name: mass, dtype: float64

Contando meteoritos por classe

  df_groupedby_recclass = data.groupby('recclass')
  df_groupedby_recclass['recclass'].count().head(n = 3)
  ## recclass
  ## Acapulcoite              54
  ## Acapulcoite/Lodranite     6
  ## Acapulcoite/lodranite     3
  ## Name: recclass, dtype: int64

Filtrando os dados pela quantidade de mass (Gramas)

  df_gt_mass_500 = data.loc[data['mass'] > 500]
  df_gt_mass_500.shape
  ## (7036, 10)


Salvando os dados filtrados

  df_gt_mass_500.to_csv('data/meteorite_gt_500_mass.csv')
49 / 58



Visualização de dados

50 / 58

Pacotes de visualização

As bibliotecas de visualização de dados ggplot2 e plotnine são baseadas na obra The Grammar of Graphics, a qual apresenta uma grámatica para elaboração de gráficos. Tal gramática é composta por camadas, as quais descrevem os componentes do gráfico.

Camadas de componentes gráficos

51 / 58

Pacotes de visualização

As bibliotecas de visualização de dados ggplot2 e plotnine são baseadas na obra The Grammar of Graphics, a qual apresenta uma grámatica para elaboração de gráficos. Tal gramática é composta por camadas, as quais descrevem os componentes do gráfico.

Camadas de componentes gráficos

Sintaxe do ggplot/plotnine

   ggplot(data = <DATA>, aes(<MAPPINGS>)) + 
    <GEOM_FUNCTION>(
      mapping = aes(<MAPPINGS>),
      stat = <STAT>,
      position = <POSITION>) +
    <COORDINATE_FUNCTION> +
    <FACET_FUNCTION>
51 / 58

Mapeamento estético

A estética descreve cada aspecto de um dado elemento gráfico. Descrevemos as posições (position) por um valor x e y, mas outros sistemas de coordenadas são possíveis. É possível alterar a forma (shape), tamanho (size) e cor (size) dos elementos.

Fundamentals of Data Visualization - Claus O. Wilke

52 / 58

Objetos geométricos

Fundamentals of Data Visualization - Claus O. Wilke

53 / 58

Exemplo de visualização: Biblioteca plotnine

Visualizando dados com plotnine

from plotnine import *  # funções
from plotnine.data import mtcars # dados de exemplo
print(mtcars.head(n = 3))
##             name   mpg  cyl   disp   hp  drat     wt   qsec  vs  am  gear  carb
## 0      Mazda RX4  21.0    6  160.0  110  3.90  2.620  16.46   0   1     4     4
## 1  Mazda RX4 Wag  21.0    6  160.0  110  3.90  2.875  17.02   0   1     4     4
## 2     Datsun 710  22.8    4  108.0   93  3.85  2.320  18.61   1   1     4     1

Colunas do conjunto de dados

mtcars.columns
## Index(['name', 'mpg', 'cyl', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am',
##        'gear', 'carb'],
##       dtype='object')
54 / 58

Exemplo de visualização: Biblioteca plotnine

Visualizando dados com plotnine

from plotnine import *  # funções
from plotnine.data import mtcars # dados de exemplo
print(mtcars.head(n = 3))
##             name   mpg  cyl   disp   hp  drat     wt   qsec  vs  am  gear  carb
## 0      Mazda RX4  21.0    6  160.0  110  3.90  2.620  16.46   0   1     4     4
## 1  Mazda RX4 Wag  21.0    6  160.0  110  3.90  2.875  17.02   0   1     4     4
## 2     Datsun 710  22.8    4  108.0   93  3.85  2.320  18.61   1   1     4     1

Colunas do conjunto de dados

mtcars.columns
## Index(['name', 'mpg', 'cyl', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am',
##        'gear', 'carb'],
##       dtype='object')

Definindo os dados do plot

ggplot(mtcars)

54 / 58

Exemplo de visualização: Biblioteca plotnine

Visualizando dados com plotnine

from plotnine import *  # funções
from plotnine.data import mtcars # dados de exemplo
print(mtcars.head(n = 3))
##             name   mpg  cyl   disp   hp  drat     wt   qsec  vs  am  gear  carb
## 0      Mazda RX4  21.0    6  160.0  110  3.90  2.620  16.46   0   1     4     4
## 1  Mazda RX4 Wag  21.0    6  160.0  110  3.90  2.875  17.02   0   1     4     4
## 2     Datsun 710  22.8    4  108.0   93  3.85  2.320  18.61   1   1     4     1

Colunas do conjunto de dados

mtcars.columns
## Index(['name', 'mpg', 'cyl', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am',
##        'gear', 'carb'],
##       dtype='object')

Mapeamento estético

ggplot(mtcars, aes(x = 'mpg', y = 'disp'))

55 / 58

Exemplo de visualização: Biblioteca plotnine

Visualizando dados com plotnine

from plotnine import *  # funções
from plotnine.data import mtcars # dados de exemplo
print(mtcars.head(n = 3))
##             name   mpg  cyl   disp   hp  drat     wt   qsec  vs  am  gear  carb
## 0      Mazda RX4  21.0    6  160.0  110  3.90  2.620  16.46   0   1     4     4
## 1  Mazda RX4 Wag  21.0    6  160.0  110  3.90  2.875  17.02   0   1     4     4
## 2     Datsun 710  22.8    4  108.0   93  3.85  2.320  18.61   1   1     4     1

Colunas do conjunto de dados

mtcars.columns
## Index(['name', 'mpg', 'cyl', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am',
##        'gear', 'carb'],
##       dtype='object')

Adição de objeto geométrico

(
  ggplot(mtcars, aes(x = 'mpg', y = 'disp'))
    + geom_point()
)

56 / 58

Exemplo de visualização: Biblioteca plotnine

Cores no objeto geométrico

(
  ggplot(mtcars, aes(x = 'mpg', y = 'disp', color = 'factor(cyl)'))
    + geom_point()
)

Adicionando outros objetos geométricos

(
  ggplot(mtcars, aes(x = 'mpg', y = 'disp', color = 'factor(cyl)'))
    + geom_point() + geom_line()
)

57 / 58





Hands-on

58 / 58

Agenda



  • Introdução ao R

    • Tidyverse

  • Introdução ao Python

    • Pandas

  • Visualização de dados


2 / 58
Paused

Help

Keyboard shortcuts

↑, ←, Pg Up, k Go to previous slide
↓, →, Pg Dn, Space, j Go to next slide
Home Go to first slide
End Go to last slide
Number + Return Go to specific slide
b / m / f Toggle blackout / mirrored / fullscreen mode
c Clone slideshow
p Toggle presenter mode
t Restart the presentation timer
?, h Toggle this help
Esc Back to slideshow