aula-4-visualizacao.Rmd

---
title: "Visualização de Dados com MatPlotLib e Pandas"
subtitle: "Grupo de Estudos de Python para Análise de Dados"
author: "Walmes Zeviani"
output:
  html_document:
    theme: flatly
    toc: true
    number_sections: true
---

  1. Distribuições de probabilidade e frequência
     1. histograma
     2. densidade
     3. ecdf
     4. boxplot
     5. barras
  2. Relação entre variáveis
     1. dispersão
     2. boxplot
     3. barras
     4. mosaicplot
     5. pares de diagramas
  3. Anotações e geometria
     1. pontos
     2. linhas
     3. poligonos
     4. curvas
     5. eixos
     6. texto
     7. legenda

```{python}
import numpy as np
import pandas as pd
print(pd.__version__)

import matplotlib.pyplot as plt

# sudo pip3 install seaborn
import seaborn as sb
```

# Gráficos para uma variável

## Histogramas

```{python}
#-----------------------------------------------------------------------
# Leitura dos dados.

# Dados de imóveis de 7 bairros em CWB.
u = "http://leg.ufpr.br/~walmes/data/ap_venda7bairros_cwb_210314.txt"
imov = pd.read_table(u)

# Informações.
imov.info()

# Extremidades.
imov.head()
imov.tail()

# Modifica algumas variáveis.
imov.preco = imov.preco/1000
# imov.area = imov.area/1000

# Descrição de uma delas.
imov.preco.describe()

# Documentação.
# help(imov.plot.hist)

#--------------------------------------------
# Histogramas.

# Histograma do preço na escala original.
imov['preco'].plot.hist(bins = 30)
plt.show()

# Histograma do preço na escala log.
np.log(imov['preco']).plot.hist(bins = 30)
plt.show()

np.log(imov['preco']).plot.hist(bins = 30,
                                # orientation = 'horizontal',
                                cumulative = True)
plt.show()

#--------------------------------------------
# Densidade suavizada.

imov.columns

np.log(imov['preco']).plot.density(color = 'red')
plt.show()

np.log(imov['area']).plot.density(color = 'magenta')
plt.show()

imov[['quartos', 'banheiros']].plot.density(
    color = ['red', 'green'])
plt.show()

#-----------------------------------------------------------------------
# Frequência acumulada.

# Vetor com valores ordenados.
x = imov.area.sort_values()
x = imov.quartos.sort_values()
x.head()
x.tail()

# Frequências acumuladas.
px = np.linspace(0., 1., len(x))

# Vrifica os tamanhos.
len(x) == len(px)

# Gráfico de distribuição de frequência relativa acumulada.
plt.plot(x, px, drawstyle = 'steps')
plt.show()

#-----------------------------------------------------------------------
# Gráfico de caixas.

np.log(imov[['preco']]).plot.box()
plt.show()

imov[['quartos', 'banheiros', 'vagas']].plot.box()
plt.show()

#-----------------------------------------------------------------------
# Gráfico de barras.

imov['ratio'] = imov.preco/imov.area

imov.columns

by_bair = imov.groupby('bairro')

# Tabela resumo com o número de imóveis por bairro.
by_bair.size()

by_bair.size().plot(kind = 'bar')
plt.show()

by_bair.size().plot(kind = 'barh')
plt.show()

by_bair['preco'].median().plot(kind = 'bar')
plt.show()

by_bair['area'].median().plot(kind = 'barh')
plt.show()

by_bair['ratio'].mean().plot(kind = 'bar')
plt.show()

#--------------------------------------------
# Duas variáveis agrupadoras.

# Converte bairro para categórica.
imov.bairro = imov.bairro.astype('category')
imov.bairro.values

keep = imov.bairro.isin(['batel', 'portao'])
imovs = imov[keep]
imovs.info()

by_bair_vag = imovs.groupby(['bairro', 'vagas'])

ctb = by_bair_vag.size()
ctb

ctb.plot(kind = 'barh')
plt.show()

ctb = by_bair_vag.size().unstack().T
ctb

ctb.plot(kind = 'barh')
plt.show()
```

## Gráficos para duas ou mais variáveis

```{python}
#-----------------------------------------------------------------------
# Diagrama de dispersão.

ax = imov.plot.scatter(x = 'area', y = 'preco')

ax.set_yscale('log')
ax.set_xscale('log')
plt.show()

#-----------------------------------------------------------------------

by_bair = imov.groupby(['bairro'])

by_bair.size()
by_bair[['preco', 'area']].head()

ax = by_bair.get_group('batel').plot.scatter(x = 'area',
                                             y = 'preco',
                                             color = 'DarkBlue',
                                             label = 'Batel')
ax.set_yscale('log')
ax.set_xscale('log')
ax.xlabel('Log do preço (R$/1000)')
ax.ylabel('Log da área (m^2/1000)')
by_bair.get_group('portao').plot.scatter(x = 'area',
                                         y = 'preco',
                                         color = 'DarkGreen',
                                         label = 'Portão',
                                         ax = ax)
plt.show()
```

# Referências

  1. Livros
     1. Dale, K. (2016). *Data visualization with Python and JavaScript:
        scrape, clean, explore & transform your data*. Sebastopol, CA:
        O'Reilly Media.  Homepage:
        <http://shop.oreilly.com/product/0636920037057.do>.  Source
        code: <https://github.com/Kyrand/dataviz-with-python-and-js>.
     2. Massaron, L. & Mueller, J. (2015). *Python for data science for
        dummies*. Hoboken, NJ: John Wiley and Sons, Inc.  Homepage:
        <https://www.wiley.com/en-us/Python+for+Data+Science+For+Dummies-p-9781118844182>.
        Source code:
        <https://media.wiley.com/product_ancillary/81/11188441/DOWNLOAD/844182-Source-Code-10-25-2016.zip>
  2. Webpages
     1. <https://pandas.pydata.org/pandas-docs/stable/visualization.html>.
     2. <https://matplotlib.org/users/pyplot_tutorial.html>
     3. <https://www.labri.fr/perso/nrougier/teaching/matplotlib/>.
     4. <http://www.scipy-lectures.org/intro/matplotlib/matplotlib.html>.
     5. Chris Albon webpage: <https://chrisalbon.com/#python>.
     6. `ggplot` para Python: <https://pypi.python.org/pypi/ggplot>.
  3. Cheat sheets

<!------------------------------------------- -->
[`Series`]: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html
[`DataFrame`]: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html