Data Science and Machine Learning - #11 Matplotlib - Gráficos de Data Frames
01/06/2021Nesse tutorial continuamos a falar da lib Matplotlib, porém agora utilizando um conjunto de dados mais próximos da realidade.
Testes com Matplotlib
Importando Módulos e DataFrame
Vamos iniciar importando os módulos necessários e o DataFrame de testes:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
Para essa aula vamos usar o conjunto de dados da Netflix. Para baixá-lo basta clicar aqui.
df = pd.read_csv("netflix_titles.csv",sep=',')
df.head()
Eixos X e Y
Vamos fazer uma pequena análise das séries release_year e type deste DataFrame e já separar eixos x e y.
x = df['release_year'].value_counts().index
y = df['release_year'].value_counts().values
Criando gráficos
Separados os eixos, podemos começar a criar gráficos. Veja alguns exemplos:
fig, axs = plt.subplots(figsize=(12,4))
axs.set_xlabel('Ano')
axs.set_ylabel('Quantidade')
axs.set_title('Quantidade de Filmes por ano')
axs.bar(x, y)
Podemos também criar outros tipos de gráficos como o gráfico de pizza:
x = df['type'].value_counts().index
y = df['type'].value_counts().values
fig1, ax1 = plt.subplots()
ax1.pie(y, labels=x, autopct='%1.1f%%', shadow=True, startangle=90)
ax1.axis('equal')
Por hoje é só! Sucesso nos códigos e na vida!
Precisa de um professor particular? webdesignemfoco@gmail.com
Posts Relacionados
Data Science and Machine Learning - #10 Matplotlib - Introdução
Na videoaula de hoje começaremos a trabalhar com disposição visual dos dados através de gráficos. Nessa aula iniciamos pela lib Matplotlib.
Data Science and Machine Learning - #12 Seaborn - Introdução
Na aula de hoje trabalharemos com mais uma biblioteca de plotagem de gráficos, veremos a lib Seaborn.