Summary  
This chapter covers how to explore numerical data distributions by creating histograms and overlaying kernel density estimate curves using Seaborn’s `histplot` function in Python.

General domain of usage  
Data science exploratory analysis

Antes de tirar conclusões significativas de um conjunto de dados, é necessário compreender sua estrutura e principais características. Esse processo é chamado de **exploração de dados**. Ele envolve analisar os dados sob diferentes perspectivas, resumir suas principais características e visualizar padrões importantes. A exploração de dados auxilia na identificação de tendências, valores atípicos e possíveis problemas antes de realizar análises estatísticas mais aprofundadas.

Uma das ferramentas mais úteis para explorar dados numéricos é o **histograma**. Um histograma é um tipo de gráfico de barras que mostra com que frequência diferentes intervalos de valores aparecem no conjunto de dados. Cada barra representa um intervalo de valores (chamado de "bin"), e a altura da barra indica quantos pontos de dados estão nesse intervalo. Os histogramas facilitam a visualização da distribuição, do centro e da dispersão dos dados de forma rápida.

No Python, é possível criar histogramas rapidamente usando a função `histplot` da biblioteca **seaborn**. A função `histplot` recebe os dados e exibe sua distribuição em forma de histograma. Também é possível adicionar uma curva de **estimativa de densidade kernel** (KDE) ao gráfico, que fornece uma aproximação suave da distribuição dos dados. Isso ajuda a compreender melhor os padrões subjacentes dos dados.

Você utilizará a função `histplot` para visualizar a distribuição das massas corporais dos pinguins nas próximas tarefas. Isso auxiliará na exploração do conjunto de dados e na preparação para análises estatísticas posteriores.

import unittest
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestDataReading(unittest.TestCase):
    def test_data_loaded(self):
        import user_code

        expected_data = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/section_1/confidence.csv',
            index_col=0
        )

        condition = (
            isinstance(user_code.data, pd.DataFrame)
            and user_code.data.shape == expected_data.shape
        )

        _dynamic_test(
            self,
            condition,
            "The CSV file is correctly read into the 'data' variable.",
            "The CSV file is not read correctly into the 'data' variable."
        )


class TestPlot(unittest.TestCase):
    def test_histplot(self):
        import user_code

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾, ÑÐ¸ ÑÑÐ²Ð¾ÑÐµÐ½Ð¾ Ð³ÑÐ°ÑÑÐº Ð· seaborn.histplot
        plot_obj = user_code.plot

        condition = (
            hasattr(plot_obj, "get_xlabel")
            and plot_obj.get_xlabel() == "The Mass"
            and plot_obj.get_ylabel() == "The Quantity"
        )

        _dynamic_test(
            self,
            condition,
            "The histplot is created with correct parameters.",
            "The histplot parameters are incorrect."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Construa uma base sólida em estatística utilizando Python. Aprenda conceitos estatísticos essenciais e aplique-os por meio do NumPy e pandas. Progrida desde medidas básicas como média e variância até testes de hipótese, intervalos de confiança e insights orientados por dados com prática prática.

Descubra os princípios estatísticos fundamentais, incluindo tipos de dados, medidas de tendência central e principais diferenças entre amostras e populações.

Aprenda a calcular e interpretar média, mediana e moda usando Python. Pratique essas operações com pandas para analisar conjuntos de dados reais.

Compreensão de como a variância e o desvio padrão medem a dispersão dos dados. Aprendizado do cálculo manual e com ferramentas Python.

Explore como a covariância e a correlação descrevem relações entre variáveis. Prática de cálculo e comparação de ambas as métricas em Python.

Domine intervalos de confiança para estimar parâmetros populacionais. Utilize NumPy, pandas e bibliotecas de visualização para calcular e interpretar intervalos com dados reais.

Aprenda os fundamentos dos testes de hipótese e do teste t. Compreenda como planejar, executar e interpretar testes utilizando Python para apoiar decisões baseadas em dados.

Explorar o Conjunto de Dados

Solução