Aprenda Plotagem Avançada com Matplotlib e Seaborn

Deslize para mostrar o menu

Ao trabalhar com dados espaciais, a visualização eficaz é fundamental para revelar padrões e comunicar informações. As bibliotecas matplotlib e seaborn do Python oferecem ferramentas poderosas para aprimorar seus gráficos espaciais, permitindo personalizar cores, adicionar legendas informativas, definir títulos descritivos e sobrepor múltiplas camadas de dados. Ao dominar essas técnicas, é possível criar mapas e visualizações claros e envolventes que destacam relações espaciais importantes.

A personalização de gráficos espaciais geralmente começa pelo controle da aparência dos dados. É possível especificar cores para representar diferentes categorias ou valores, ajustar a transparência para revelar elementos sobrepostos e utilizar legendas para explicar as codificações visuais. A adição de títulos e rótulos nos eixos auxilia na interpretação rápida dos gráficos. Sobrepor múltiplas camadas—como estradas sobre limites administrativos—pode fornecer um contexto mais aprofundado para a análise espacial.


              12345678910111213141516171819202122232425262728293031323334
            
import geopandas as gpd
import matplotlib.pyplot as plt


url = "https://naciscdn.org/naturalearth/110m/cultural/ne_110m_admin_0_countries.zip"
world = gpd.read_file(url)

# Create a plot with customizations
fig, ax = plt.subplots(figsize=(12, 8))

# Plot countries, coloring by continent 
world.plot(column='CONTINENT', 
           cmap='Set2', 
           edgecolor='black', 
           linewidth=0.5, 
           legend=True, 
           ax=ax, 
           alpha=0.8)

# Overlay country boundaries with a thicker line for emphasis
world.boundary.plot(ax=ax, color='gray', linewidth=1.5)

# Add a title and axis labels
ax.set_title('World Countries by Continent', fontsize=18)
ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')

# Customize legend position so it doesn't overlap the map
leg = ax.get_legend()
if leg:
    leg.set_bbox_to_anchor((1.15, 0.5))

plt.tight_layout()
plt.show()

Nota

O nome da coluna no conjunto de dados oficial é CONTINENT

Além das visualizações baseadas em mapas, também é possível explorar a distribuição de atributos espaciais — como área, população ou densidade — utilizando gráficos estatísticos. O Seaborn é especialmente útil para esse propósito, permitindo criar histogramas, gráficos de dispersão e outros, todos com estilos atraentes por padrão e fácil personalização. Ao combinar o seaborn com dados espaciais, é possível identificar rapidamente tendências e valores atípicos nos conjuntos de dados, apoiando uma análise espacial mais aprofundada.


              1234567891011121314151617181920212223242526272829303132
            
import geopandas as gpd
import seaborn as sns
import matplotlib.pyplot as plt

# Load sample data directly from the official URL
url = "https://naciscdn.org/naturalearth/110m/cultural/ne_110m_admin_0_countries.zip"
world = gpd.read_file(url)

# The official dataset doesn't have a pre-made 'area' column, so we calculate it.
# Note: This calculates area in decimal degrees based on the WGS84 projection.
world['area'] = world.geometry.area

# Plot a histogram of country areas
plt.figure(figsize=(10, 6))
# 'area' is our new custom column, kde=True adds the density curve
sns.histplot(world['area'], bins=30, color='skyblue', kde=True)
plt.title('Distribution of Country Areas')
plt.xlabel('Area (sq. degrees)')
plt.ylabel('Number of Countries')
plt.tight_layout()
plt.show()

# Plot a scatter plot of population vs. area
plt.figure(figsize=(10, 6))
# Adjusted column names to match the official dataset: 'POP_EST' and 'CONTINENT'
sns.scatterplot(x='area', y='POP_EST', data=world, hue='CONTINENT', palette='Set2')
plt.title('Country Population vs. Area by Continent')
plt.xlabel('Area (sq. degrees)')
plt.ylabel('Estimated Population')
plt.legend(title='Continent', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4

Pergunte à IA

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

Seção 2. Capítulo 4