Distribuições por categoria com seaborn

Importing and Managing Financial Data in Python

Stefan Jansen

Instructor

Distribuições por categoria

Último trecho: estatísticas resumidas
Número de observações, média por categoria
Agora: visualizar a distribuição de uma variável por níveis de uma variável categórica para facilitar a comparação
Exemplo: distribuição de Market Cap por setor ou ano de IPO
Mais detalhe que as estatísticas resumidas

Limpar dados: removendo outliers

nasdaq = pd.read_excel('listings.xlsx', sheet_name='nasdaq', 
                        na_values='n/a')
nasdaq['market_cap_m'] = nasdaq['Market Capitalization'].div(1e6)

nasdaq = nasdaq[nasdaq.market_cap_m > 0] # Apenas empresas ativas

outliers = nasdaq.market_cap_m.quantile(.9) # Limite de outlier

nasdaq = nasdaq[nasdaq.market_cap_m < outliers] # Remover outliers

Boxplot: quartis e outliers

import seaborn as sns
sns.boxplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75);

Quartis e outliers

Uma variação: SwarmPlot

sns.swarmplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75)
plt.show()

Swarmplot

Vamos praticar!

Importing and Managing Financial Data in Python