Data Science and Machine Learning - #38 Projeto Completo (Plotagem de Dados)

Na aual de hoje aprenderemos como plotar gráficos dos dados através do Seaborn e Matplotlib utilizando como linguagem de programação o Python.

Gráficos - Data Science

Vamos utilizar o pairplot para ter uma visão geral dos dados:

sns.pairplot(df)

Vamos ver também o mapa de calor para verificar as relações existentes:

plt.figure(figsize=(12,8))
sns.heatmap(df.corr(),annot=True)

Podemos também ampliar a análise dos dados utilizando o jointplot

sns.jointplot(data=df,y='median_house_value',x='median_income',kind='reg')

sns.jointplot(data=df,x='median_house_value',y='total_rooms_per_households',kind='reg',ylim=20)

Verificaremos agora um gráfico para demonstrar a relação indiretamente proporcional entre latitude e longitude:

df.plot(kind='scatter',x='longitude',y='latitude',alpha=0.4,c='median_house_value',cmap=plt.get_cmap("jet"))

Como percebemos outliers na quantidade de cômodos, podemos limitar a média de cômodos encontradas, no caso 20 cômodos:

df[df['total_rooms_per_households']>20].shape
df.drop(df[df['total_rooms_per_households']>20].index.to_list(),axis=0,inplace=True)
df.shape
sns.jointplot(data=df,x='median_house_value',y='total_rooms_per_households',kind='reg')

Por hoje é só! Sucesso nos códigos e na vida!