Os capítulos anteriores deram-te todas as ferramentas de que precisas para transformar dados em bruto num DataFrame polido. Mas como é que transformas esse DataFrame em algo perspicaz?
Uma maneira é através da visualização de dados, e Python fornece uma infinidade de pacotes para isso. Os pacotes incluem Matplotlib para plotagem de baixo nível, hvPlot para visualizações rápidas, Bokeh para gráficos interativos, plotnine para alavancar a gramática de gráficos em Python, e Altair para usar os recursos de plotagem embutidos do Polars.A Figura 16-1 dá uma impressão do cenário elaborado de visualização de dados do Python.
Isto é uma bênção e uma maldição, porque é provável que exista um pacote que se adeqúe às tuas necessidades, mas é um desafio escolher o pacote certo. Além disso, cada pacote vem com o seu próprio conjunto de caraterísticas, pressupostos e armadilhas.
Ao transformar um DataFrame numa forma gráfica, melhora a sua capacidade de compreender as tendências, detetar valores atípicos e contar histórias que podem influenciar a tomada de decisões. As visualizações de dados eficazes clarificam o obscuro e simplificam o complicado, tornando os seus dados mais acessíveis.
Figura 16-1. O panorama de visualização de dados do Python ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
