Neste projeto, a tarefa é visualizar dados de séries temporais usando gráficos de linha, gráficos de barras e box plots. Utilizaremos as bibliotecas Pandas, Matplotlib e Seaborn para visualizar um conjunto de dados contendo o número de visualizações de página do fórum freeCodeCamp.org de 2016-05-09 a 2019-12-03. As visualizações dos dados ajudarão a entender os padrões nas visitas e identificar o crescimento anual e mensal.
Conjunto de Dados: Dados do Fórum freeCodeCamp.org
Estrutura do Conjunto de Dados:
- date: A data correspondente aos dados de visualizações.
- value: O número de visualizações de página registradas para o respectivo dia.
| date | value |
|---|---|
| 2016-05-09 | 1201 |
| 2016-05-10 | 2329 |
| 2016-05-11 | 1716 |
| 2016-05-12 | 10539 |
| 2016-05-13 | 6933 |
Conjunto de dados completo:
Etapa 1: Importação e Limpeza dos Dados
# Importando bibliotecas necessárias
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import matplotlib.ticker as ticker
import matplotlib.dates as mpl_dates
from pandas.plotting import register_matplotlib_converters
# Registrando conversores de data do pandas para matplotlib
register_matplotlib_converters()
# Importar dados
df = pd.read_csv('fcc-forum-pageviews.csv', )
df = df.set_index(['date'])
df.index = pd.to_datetime(df.index,format='%Y-%m-%d')
# Limpeza dos dados:
# Páginas vistas que estavam no top 2.5% do conjunto de dados
df = df[df['value'] <= df['value'].quantile(97.5/100)]
# Páginas vistas que estavam no bottom 2.5% do conjunto de dados.
df = df[df['value'] >= df['value'].quantile(2.5/100)]
sns.set_style('white')
Etapa 2: Visualização dos Dados
Gráfico de Linha: Visualização Diária
Essa função é responsável por criar um gráfico de linha que visualiza os dados de série temporal. Primeiro, ela filtra os dados para remover os valores extremos (2.5% superiores e 2.5% inferiores). Em seguida, utiliza a biblioteca Matplotlib para criar um gráfico de linha com a data no eixo x e as visualizações da página no eixo y. O gráfico é ajustado para um formato adequado e é salvo como uma imagem chamada line_plot.png.
def draw_line_plot():
# Criando o gráfico de linha
fig, ax = plt.subplots()
fig.set_figheight(5.61)
fig.set_figwidth(18)
ax.plot_date(df.index,
df['value'],
color='#d62728',
linestyle='solid',
linewidth = 1.8,
marker=None)
ax.set_title('Daily freeCodeCamp Forum Page Views 5/2016-12/2019',fontsize=14.1 )
ax.set_xlabel('Date', fontsize=12.7)
ax.set_ylabel('Page Views', fontsize=12.7)
ax.tick_params(axis='both', which='major', labelsize=12.7)
ax.xaxis.set_major_locator(ticker.MultipleLocator(6*29))
# Formato das strings no eixo "x"
date_format = mpl_dates.DateFormatter('%Y-%m')
ax.xaxis.set_major_formatter(date_format)
# Salvando a imagem e retornando a figura
fig.savefig('line_plot.png')
return fig
Gráfico de Barras: Média Diária por Mês e Ano
Nesta função, os dados são modificados para criar um gráfico de barras mensal. Primeiro, os dados são agrupados por ano e mês e a média das visualizações diárias é calculada. Em seguida, é criado um gráfico de barras usando a biblioteca Seaborn para mostrar a média diária de visualizações agrupadas por ano e mês. O gráfico tem o ano no eixo x e a média de visualizações no eixo y, e é salvo como uma imagem chamada bar_plot.png.
def draw_bar_plot():
# Copiando e modificando os dados para o gráfico de barras mensal
df_bar = df.copy()
df_bar['month'] = df.index.strftime('%B')
df_bar['year'] = df.index.strftime('%Y')
df_bar = df_bar.groupby(['year', 'month']).mean()
df_bar = df_bar.unstack('month')
df_bar.columns = df_bar.columns.map(lambda x: x[1])
df_bar.columns.name = 'Months'
new_order = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December']
df_bar = df_bar.reindex(new_order, axis=1)
# Criando o gráfico de barras
plot = df_bar.plot(kind='bar')
plot.set_xlabel('Years')
plot.set_ylabel('Average Page Views')
fig = plot.get_figure()
# A legenda deve mostrar os rótulos dos meses e ter um título "Meses".
# Salvando a imagem e retornando a figura
fig.savefig('bar_plot.png')
return fig
Gráficos de Caixa (Box Plots): Tendência Anual e Sazonalidade Mensal
Nesta função, os dados são preparados para criar dois gráficos de caixa (box plots). Primeiro, os dados são organizados por ano e mês. Em seguida, dois gráficos de caixa são criados usando a biblioteca Seaborn: um para mostrar a distribuição dos valores ao longo dos anos (tendência) e outro para mostrar a distribuição dos valores ao longo dos meses (sazonalidade). Os gráficos de caixa são ajustados adequadamente e são salvos como imagens chamadas box_plot.png.
def draw_box_plot():
# Preparando dados para os gráficos de caixa
df_box = df.copy()
df_box.reset_index(inplace=True)
df_box['year'] = [d.year for d in df_box.date]
df_box['month'] = [d.strftime('%b') for d in df_box.date]
month = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
df_box['month'] = pd.Categorical(df_box['month'], categories=month, ordered=True)
df_box = df_box.sort_values(by=['month'], inplace=False)
# Criando os gráficos de caixa (Seaborn)
fig, axes = plt.subplots(figsize=(20, 7), ncols=2, sharex=False)
ax1 = sns.boxplot(x='year', y='value', data=df_box, ax=axes[0])
ax1.set_title('Year-wise Box Plot (Trend)')
ax1.set_ylabel('Page Views')
ax1.set_xlabel('Year')
ax2 = sns.boxplot(x='month', y='value', data=df_box, ax=axes[1])
ax2.set_title('Month-wise Box Plot (Seasonality)')
ax2.set_ylabel('Page Views')
ax2.set_xlabel('Month')
# Salvando a imagem e retornando a figura
fig.savefig('box_plot.png')
return fig
# Chamando a função para criar o gráfico de caixa
draw_box_plot()
Resultados
