[DATA SCIENCE] DAY: 016 - Visualizando séries temporais

👨‍💼 Bom dia, boa tarde e boa noite pessoal, tudo bem?

🐍 Hoje iremos aprender como visualizar séries temporais.

As séries temporais são importantes na ciência de dados porque permitem entender como os dados variam ao longo do tempo. Isso é útil em muitas áreas, como finanças, meteorologia e saúde, para prever tendências futuras e tomar decisões informadas. As técnicas de análise de séries temporais, como a decomposição e a previsão, são amplamente utilizadas para analisar esses dados.

📝 Obs: Irei utilizar o jupyter notebook, mas fique a vontade para escolher outro ambiente de sua preferência. Uma sugestão caso não conheça nenhum, tem o colab do google.

1 - Primeiro, podemos usar a notação as para abreviar o nome das bibliotecas que vamos importar e facilitar a escrita de código:

💻

import pandas as pd

from matplotlib import pyplot as plt
from matplotlib import rcParams

import seaborn as sns

📝 Obs:

• A primeira linha import pandas as pd importa a biblioteca pandas para utilizar suas funções para manipular e analisar dados.
• A segunda linha from matplotlib import pyplot as plt importa o módulo pyplot da biblioteca matplotlib para criar gráficos.
• A terceira linha from matplotlib import rcParams importa as configurações de parâmetros padrão da biblioteca matplotlib.
• A quarta linha import seaborn as sns importa a biblioteca seaborn que fornece uma interface mais fácil para criar gráficos estatísticos atraentes e informativos, e também estende as funcionalidades de matplotlib.

Essas linhas de código preparam as bibliotecas necessárias para serem utilizadas na visualização de dados.

2 - Agora vamos ajustar as configurações de visualização para se adequar ao ambiente do Jupyter Notebook e estabelecer um estilo de gráfico padrão para ser usado ao longo do código:

💻

%matplotlib inline
rcParams['figure.figsize'] = 5, 4
sns.set_style('whitegrid')

📝 Obs:

• %matplotlib inline: Essa linha de código é usada para exibir gráficos dentro do notebook Jupyter. Isso significa que, em vez de abrir uma nova janela para exibir o gráfico, ele será exibido diretamente no notebook.

• rcParams['figure.figsize'] = 5, 4: Essa linha de código define o tamanho da figura como 5x4. Isso significa que a largura será de 5 unidades e a altura será de 4 unidades.

• sns.set_style('whitegrid'): Essa linha de código é parte do seaborn, uma biblioteca de visualização de dados baseada em Matplotlib. Ele define o estilo de grade como branco. Isso adiciona linhas brancas às suas visualizações de dados, o que pode ajudar a tornar os gráficos mais legíveis e fáceis de interpretar.

3 - Após ter feito as configurações iniciais, vamos ler arquivo CSV chamado "Superstore-Sales.csv" e importar os dados para um Dataframe:

🔍 Para baixar o arquivo que está sendo usado, clique aqui.

caminho = 'O-caminho-do-seu-arquivo/Superstore-Sales.csv'
df = pd.read_csv(caminho, index_col='Order Date', parse_dates=True, 
                 encoding='ISO-8859-1')
df.head(3)

📝 Obs: O que esse código faz???

• Definindo caminho para o arquivo: A primeira linha define uma variável chamada caminho que contém o caminho para o arquivo CSV Superstore-Sales.csv que está localizado no desktop do usuário na pasta roteiros/dados.
• Lendo arquivo CSV: A segunda linha utiliza a biblioteca pandas para ler o arquivo CSV especificado na variável caminho e armazena os dados em um dataframe chamado df.
• Indexando o Dataframe: A terceira linha define a coluna Order Date como o índice do dataframe df e converte essas entradas para objetos de data e hora.
• Codificação do arquivo: A quarta linha especifica a codificação do arquivo como ISO-8859-1.
• Visualização dos dados: A quinta linha utiliza o método head() para visualizar as primeiras 3 linhas do dataframe df.

Saída dos dados:

Order Date	Row ID	Order ID	Order Priority	Order Quantity	Sales	Discount	Ship Mode	Profit	Unit Price	Shipping Cost	Customer Name	Province	Region	Customer Segment	Product Category	Product Sub-Category	Product Name	Product Container	Product Base Margin	Ship Date
2010-10-13 00:00:00	1	3	Low	6	261.54	0.04	Regular Air	-213.25	38.94	35.0	Muhammed MacIntyre	Nunavut	Nunavut	Small Business	Office Supplies	Storage & Organization	Eldon Base for stackable storage shelf, platinum	Large Box	0.8	10/20/2010
2012-10-01 00:00:00	49	293	High	49	10123.02	0.07	Delivery Truck	457.81	208.16	68.02	Barry French	Nunavut	Nunavut	Consumer	Office Supplies	Appliances	1.7 Cubic Foot Compact "Cube" Office Refrigerators	Jumbo Drum	0.58	10/2/2012
2012-10-01 00:00:00	50	293	High	27	244.57	0.01	Regular Air	46.71	8.69	2.99	Barry French	Nunavut	Nunavut	Consumer	Office Supplies	Binders and Binder Accessories	Cardinal Slant-D® Ring Binder, Heavy Gauge Vinyl	Small Box	0.39	10/3/2012

4 - Agora vamos utilizar o método plot() para plotar os dados da coluna Order Quantity do dataframe df. Isso gera um gráfico de linha mostrando como a quantidade de pedidos varia ao longo do tempo. Este gráfico pode ajudar a visualizar tendências e padrões nos dados de quantidade de pedidos:

df['Order Quantity'].plot()

📝 Obs: O que esse código faz???

• Acessando coluna específica do Dataframe: Essa linha de código acessa a coluna "Order Quantity" do dataframe df usando notação de colchetes []
• Plotando gráfico: Utiliza o método plot() para plotar os dados da coluna Order Quantity acessada anteriormente.
• Visualizando tendências e padrões: O gráfico gerado mostra como a quantidade de pedidos varia ao longo do tempo, o que pode ajudar a visualizar tendências e padrões nos dados de quantidade de pedidos.

Gráfico gerado:

5 - Por último, vamos plotar um gráfico de linha com os dados de quantidade de pedidos de uma amostra aleatória com o objetivo de visualizar as tendências e padrões dos dados de quantidade de pedidos:

df2 = df.sample(n=100, random_state=25, axis=0)

plt.xlabel('Order Date')
plt.ylabel('Order Quantity')
plt.title('Superstore Sales')

df2['Order Quantity'].plot()

📝 Obs: O que esse código faz???

• Amostrando dados: A primeira linha do código cria uma nova variável chamada df2 que contém uma amostra aleatória de 100 linhas do dataframe df. O argumento random_state é usado para garantir que a mesma amostra seja selecionada cada vez que o código é executado.
• Configurando gráfico: As próximas três linhas usam o módulo plt da biblioteca matplotlib para rotular o eixo x como Order Date, o eixo y como Order Quantity e definir o título do gráfico como Superstore Sales.
• Plotando gráfico: A última linha usa o método plot() para plotar os dados da coluna Order Quantity da amostra df2 gerada anteriormente.

Gráfico gerado:

🌊 Espero que tenham gostado do conteúdo, amanhã iremos aprender como criar histogramas!

🚀 Vejo vocês amanhã, tenham uma ótima semana!