Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Visualização de Estimativas Pontuais | Seção
Visualização Estatística com Seaborn

bookVisualização de Estimativas Pontuais

Um pointplot representa uma estimativa da tendência central (média) pela posição dos pontos do gráfico de dispersão e fornece uma indicação de incerteza utilizando barras de erro.

Pointplot vs. Barplot

Tecnicamente, ambos mostram exatamente os mesmos dados. No entanto, um pointplot conecta as estimativas com uma linha. Isso visualiza a inclinação da mudança, facilitando a visualização de como uma variável evolui de uma categoria para outra.

Parâmetros Principais

Para tornar o gráfico mais legível (especialmente em preto e branco), é possível personalizar os marcadores e linhas para diferentes grupos:

  • markers: uma lista de símbolos para usar nos pontos (por exemplo, ['o', 'x']);
  • linestyles: uma lista de estilos de linha (por exemplo, ['-'] para linha sólida, ['--'] para tracejada);
  • dodge=True: desloca levemente os pontos ao longo do eixo para que não se sobreponham, tornando as barras de erro distintas.

Exemplo

A seguir, um pointplot mostrando como a média da conta varia ao longo da semana. Observe como a linha tracejada ajuda a distinguir "Lunch" de "Dinner" mesmo sem o uso de cores.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
copy
Tarefa

Swipe to start coding

Visualizar as gorjetas dadas em diferentes dias para identificar possíveis tendências.

  1. Definir o estilo como 'ticks'. Personalizar a cor de fundo passando {'axes.facecolor': 'azure'} como segundo argumento.
  2. Criar um pointplot e atribuí-lo à variável g:
  • Mapear 'day' para x e 'tip' para y.
  • Agrupar por 'sex' utilizando hue.
  • Utilizar 'v' (triangle_down) e 'o' (circle) como markers para distinguir os gêneros.
  • Utilizar a paleta 'rocket'.
  • Ativar dodge=True para separar as barras de erro.
  • Definir capsize como 0.2 para adicionar extremidades às barras de erro.
    • Utilizar linhas sólidas ('-') e tracejadas ('--') para linestyles.
  1. Definir o título como 'Tips pointplot' utilizando a variável g.
  2. Exibir o gráfico.

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 1. Capítulo 14
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

close

bookVisualização de Estimativas Pontuais

Deslize para mostrar o menu

Um pointplot representa uma estimativa da tendência central (média) pela posição dos pontos do gráfico de dispersão e fornece uma indicação de incerteza utilizando barras de erro.

Pointplot vs. Barplot

Tecnicamente, ambos mostram exatamente os mesmos dados. No entanto, um pointplot conecta as estimativas com uma linha. Isso visualiza a inclinação da mudança, facilitando a visualização de como uma variável evolui de uma categoria para outra.

Parâmetros Principais

Para tornar o gráfico mais legível (especialmente em preto e branco), é possível personalizar os marcadores e linhas para diferentes grupos:

  • markers: uma lista de símbolos para usar nos pontos (por exemplo, ['o', 'x']);
  • linestyles: uma lista de estilos de linha (por exemplo, ['-'] para linha sólida, ['--'] para tracejada);
  • dodge=True: desloca levemente os pontos ao longo do eixo para que não se sobreponham, tornando as barras de erro distintas.

Exemplo

A seguir, um pointplot mostrando como a média da conta varia ao longo da semana. Observe como a linha tracejada ajuda a distinguir "Lunch" de "Dinner" mesmo sem o uso de cores.

123456789101112131415161718
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
copy
Tarefa

Swipe to start coding

Visualizar as gorjetas dadas em diferentes dias para identificar possíveis tendências.

  1. Definir o estilo como 'ticks'. Personalizar a cor de fundo passando {'axes.facecolor': 'azure'} como segundo argumento.
  2. Criar um pointplot e atribuí-lo à variável g:
  • Mapear 'day' para x e 'tip' para y.
  • Agrupar por 'sex' utilizando hue.
  • Utilizar 'v' (triangle_down) e 'o' (circle) como markers para distinguir os gêneros.
  • Utilizar a paleta 'rocket'.
  • Ativar dodge=True para separar as barras de erro.
  • Definir capsize como 0.2 para adicionar extremidades às barras de erro.
    • Utilizar linhas sólidas ('-') e tracejadas ('--') para linestyles.
  1. Definir o título como 'Tips pointplot' utilizando a variável g.
  2. Exibir o gráfico.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 1. Capítulo 14
single

single

some-alt