Gostando da prévia?
Esta é a primeira aula gratuita. Tenha acesso completo: solicite uma demo ou faça login.
Python para visualização de dados
Aprenda diferentes ferramentas Python para visualização de dadosPreview the first lesson free — get full access to all 20 lessons.
Intermediário Fornecedor : Brian Higgins 8 capítulos · 20 lições · 1h 33m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Chinese
Descrição do curso
O curso centrar-se-á na utilização da biblioteca Python Matplotlib para visualizar dados. A programação Python será feita usando notebooks Python (ficheiros .ipynb) na ferramenta JupyterLab, onde aprenderá a desenhar gráficos de linhas, histogramas, heatmaps e box plots usando Matplotlib. Mostraremos como usar a biblioteca HVPlot para adicionar widgets interativos aos gráficos para obter uma visão mais profunda dos dados que estão sendo visualizados.
Também utilizará a biblioteca Python Numpy para guardar valores em arrays e para gerar dados de números aleatórios para exemplos de visualização. Verá como a biblioteca Pandas pode ser utilizada para armazenar dados num DataFrame, tratar dados de séries temporais, efetuar cálculos matemáticos e representar os dados calculados. Em seguida, aprenderá como a biblioteca Seaborn pode adicionar características a um mapa de calor, enquanto a biblioteca Scipy gera uma linha KDE para traçar acima de um histograma. Por fim, mostraremos como estilizar visualizações adicionando cores, rótulos e grades.
O Que Você Vai Aprender
- Criar gráficos de linhas, histogramas, mapas de calor e diagramas de caixa usando a biblioteca Python Matplotlib
- Importar, gerar e manipular dados com NumPy e Pandas para visualização
- Construir gráficos interativos e widgets usando a biblioteca HVPlot
- Estilizar visualizações adicionando cores, rótulos e grades
- Usar a biblioteca Seaborn para aprimorar mapas de calor e a biblioteca SciPy para gerar uma linha KDE acima de um histograma
- Plotar séries temporais e dados temporais calculados armazenados em um DataFrame do Pandas
Principais Conclusões
- O curso usa a biblioteca Python Matplotlib para visualizar dados através de gráficos de linhas, histogramas, mapas de calor e diagramas de caixa.
- A codificação em Python é feita em notebooks Python (arquivos .ipynb) usando a ferramenta JupyterLab.
- A biblioteca HVPlot é usada para adicionar widgets interativos aos gráficos para uma visão mais profunda dos dados.
- A biblioteca NumPy armazena valores em arrays e gera dados de números aleatórios, enquanto a biblioteca Pandas armazena dados em um DataFrame, lida com dados de séries temporais e realiza cálculos.
- A biblioteca Seaborn adiciona recursos a um mapa de calor e a biblioteca SciPy gera uma linha KDE para plotar acima de um histograma.
Perguntas Frequentes
Quais bibliotecas Python este curso cobre?
O curso cobre Matplotlib para visualizar dados, HVPlot para widgets interativos, NumPy para arrays e dados de números aleatórios, Pandas para armazenar dados em um DataFrame e lidar com séries temporais, Seaborn para adicionar recursos a mapas de calor e SciPy para gerar uma linha KDE acima de um histograma.
Quais ferramentas usarei para escrever o código?
A codificação em Python é feita usando notebooks Python (arquivos .ipynb) na ferramenta JupyterLab.
Que tipos de visualizações aprenderei a criar?
Você aprenderá a desenhar gráficos de linhas, histogramas, mapas de calor e diagramas de caixa, incluindo gráficos de linhas interativos e mapas de calor interativos usando HVPlot.
Como o curso lida com visualizações interativas?
Mostra como usar a biblioteca HVPlot para adicionar widgets interativos aos gráficos, incluindo widgets de barra de ferramentas e um widget de filtro, para obter insights mais profundos nos dados sendo visualizados.
O curso cobre trabalho com dados baseados em tempo?
Sim. Cobre plotagem de dados temporais com um gráfico de linhas, plotagem de dados temporais calculados e criação de um diagrama de caixa para descrever dados temporais, com Pandas usado para lidar com dados de séries temporais.
