Histogramas e Gráficos de Caixa

Sobre Histograms

Para avaliar visualmente a distribuição, é necessário construir histogramas. Se as distribuições estiverem distantes do normal, deveremos notá-lo imediatamente.

Hora da imagem! Vamos construir distribuições para dois grupos em um único gráfico.


              123456789101112131415161718192021
            
# Import the libraries 
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Read .csv files 
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Plotting hists of Impression columns 
sns.histplot(df_control['Impression'], color='#1e2635', label='Group A')
sns.histplot(df_test['Impression'], color='#ff8a00', label='Group B')

# Add the legend to the graph
plt.legend(title='Groups')
plt.xlabel('Impression')
plt.ylabel('Frequency')
plt.title('Distribution of Impressions')

# Show the graph
plt.show()

Neste código, utilizamos a função sns.histplot da biblioteca seaborn. Passamos a ela a coluna desejada df_control['Impression'] para comparar com df_test['Impression'].

Essas distribuições são normais? Difícil dizer...

Vamos olhar para box plots:

Sobre Boxplots


              12345678910111213141516171819202122232425
            
# Import libraries
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Read .csv files 
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Add to the dataframes columns-labels, which mean belonging to either the control or the test group
df_control['group'] = 'Contol group'
df_test['group'] = 'Test group'

# Concat control and test dataframes 
df_combined = pd.concat([df_control, df_test])
sns.boxplot(data=df_combined, x='group', y='Impression', palette=['#1e2635', '#ff8a00'],
            medianprops={'color': 'red'})

# Sign the axes
plt.xlabel('')
plt.ylabel('Impression')
plt.title('Comparison of Impressions')

# Show the results
plt.show()

Mesmo após boxplots, não está claro se as distribuições são normais.

Para exibir dois boxplots no mesmo gráfico, combinamos os data frames usando a função pd.concat.

Em seguida, utilizamos a função sns.boxplot, passando o data frame combinado df_combined para ela. No eixo x estão os valores da coluna 'Impression' e, no eixo y, estão os Grupo de Controle e Grupo de Teste. Com a ajuda da biblioteca matplotlib, assinamos o gráfico e os eixos.

Mesmo após boxplots, não está claro se as distribuições são normais. Mas em normalidade, precisamos ter certeza.

Como fazer isso? Testes estatísticos vêm em nosso auxílio, os quais discutiremos no próximo capítulo.

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4