Explorando os padrões

Aprimorando suas visualizações de dados em Python

Nick Strayer

Instructor

Aprofundando

  • Investigando correlações
  • As correlações são causadas por confundimento?
  • Algo surpreendente?

Uma pá cavando o chão

Aprimorando suas visualizações de dados em Python

Públicos-alvo

  • Compartilhado com colegas
  • Tome decisões de design com cuidado
  • Lembre-se: eles não conhecem tanto os dados

Uma figura de desenho fazendo uma apresentação genérica para colegas

Aprimorando suas visualizações de dados em Python
sns.regplot('NO2', 'CO', ci=False, data=pollution,

            # Lower opacity of points
            scatter_kws={'alpha':0.2, 'color':'grey'} )

Gráfico de dispersão de valores de poluição de NO2 e CO com uma linha básica de melhor ajuste

Aprimorando suas visualizações de dados em Python

Perfilando padrões

  • Encontrou um padrão interessante nos dados
  • Como explorar e explicar rápido?
  • Use texto!

Dois agrupamentos distintos de pontos em um gráfico de dispersão sem rótulos

Aprimorando suas visualizações de dados em Python

Usando dispersão com texto para identificar outliers

Gráfico de dispersão sem rótulos das médias de SO2 e CO de Denver com um outlier claro no canto superior direito

Gráfico de dispersão rotulado das médias de SO2 e CO de Denver com um outlier claro no canto superior direito identificado como January

Aprimorando suas visualizações de dados em Python
g = sns.scatterplot("SO2","CO", data=long_beach_avgs)

# Iterate over the rows of our data
for _, row in long_beach_avgs.iterrows():
    # Unpack columns from row
    month, SO2, CO = row

    # Draw annotation in correct place
    g.annotate(month, (SO2,CO))


plt.title('Long Beach avg SO2 by CO')
Aprimorando suas visualizações de dados em Python

Gráfico de dispersão rotulado das médias de SO2 e CO de Long Beach pelos meses do ano

Aprimorando suas visualizações de dados em Python

Vamos nos aprofundar

Aprimorando suas visualizações de dados em Python

Preparing Video For Download...