Aprenda Trabalhando com Gráficos de Linha e Barra

Gráficos de linha e de barras são duas das formas mais comuns e eficazes de visualizar dados. Gráficos de linha são geralmente utilizados para exibir tendências ao longo do tempo, sendo ideais para dados de séries temporais, como preços de ações, variações de temperatura ou tráfego de sites. Cada ponto em um gráfico de linha representa um valor de dado em um momento específico, e os pontos são conectados por linhas para mostrar como os valores mudam. Gráficos de barras, por outro lado, são usados para comparar quantidades entre diferentes categorias. Eles são especialmente úteis quando se deseja destacar diferenças ou semelhanças entre grupos, como números de vendas de diferentes produtos ou populações de diferentes países. A principal diferença entre esses tipos de gráficos é que os gráficos de linha enfatizam a continuidade dos dados, enquanto os gráficos de barras focam em comparações discretas.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

No código do gráfico de linha acima, é definido um DataFrame do pandas que contém datas e o número de visitantes do site para cada data. A função px.line é utilizada para plotar os dados, onde o argumento x especifica o eixo horizontal (datas) e o argumento y especifica o eixo vertical (contagem de visitantes). Ao adicionar markers=True, um marcador é exibido em cada ponto de dado, facilitando a visualização dos valores individuais. O parâmetro line_shape="linear" garante que a linha conecte cada ponto diretamente. É possível personalizar ainda mais a aparência com update_traces, como definir o estilo da linha como tracejada e alterar o tamanho e o formato dos marcadores. Essa flexibilidade facilita destacar tendências e pontos de dados específicos na visualização.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Ao decidir entre utilizar um gráfico de linha ou um gráfico de barras, considere a natureza dos seus dados e a mensagem que deseja transmitir. Gráficos de linha são mais adequados para mostrar mudanças e tendências ao longo de um intervalo contínuo, como o tempo, onde a relação entre os pontos é relevante. Utilize-os quando quiser enfatizar o fluxo ou a progressão dos dados. Gráficos de barras são mais apropriados para comparar quantidades entre categorias distintas, especialmente quando se deseja destacar diferenças entre grupos. Nos exemplos acima, o gráfico de linha exibe de forma eficaz como o número de visitantes do site varia ao longo de vários dias, enquanto o gráfico de barras agrupadas facilita a comparação das vendas de diferentes produtos em duas regiões. A escolha do tipo de gráfico correto garante que seus dados sejam comunicados de maneira clara e precisa.

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 4

Pergunte à IA

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

Deslize para mostrar o menu


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 4