Violino e Gráficos de Enxame

Sobre gráficos de violino

Vamos falar sobre variâncias amostrais. A medida de dispersão é bem visualizada pelo gráfico de violino.

Ele é similar em uso ao boxplot. Considere um exemplo da vida real. Vamos comparar os dados sobre rendas anuais nos EUA e no Canadá em 2020:

O gráfico nos mostra que eles estão bastante próximos.

O ponto branco no centro do gráfico indica a mediana da distribuição.

A parte mais espessa da linha representa o primeiro quantil (inferior) e o terceiro quantil (superior). Qualquer coisa fora da linha horizontal é um valor discrepante. Agora, vamos comparar os dados sobre rendimentos anuais nos EUA e no Brasil em 2020:

O gráfico nos mostra que eles são bastante próximos. Neste gráfico, as distribuições são claramente diferentes. Abaixo está o gráfico de violino para a renda no Brasil. Vamos construir um gráfico de violino das colunas 'Impressão' para os grupos de teste e controle:


              1234567891011121314151617181920212223242526272829
            
# Import libraries
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

# Read .csv files
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Define colors for graphs
colors_list = ['#ff8a00', '#33435c']

# Add to the dataframes columns-labels, which mean belonging to either the control or the test group
df_control['group'] = 'Contol group'
df_test['group'] = 'Test group'

# Concat the dataframes
df_combined = pd.concat([df_control, df_test])

# Plotting violin plots
sns.violinplot(data=df_combined, x='group', y='Impression', palette=colors_list)

# Sign the axes
plt.xlabel('')
plt.ylabel('Impression')
plt.title('Comparison of Impressions')

# Show the results
plt.show()

Sobre gráficos de enxame

O swarm plot combina bem com o violin plot. Vamos observar a combinação deles:


              1234567891011121314151617181920212223242526272829303132
            
# Import libraries
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

# Read .csv files
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Define colors for graphs
colors_list = ['#ff8a00', '#33435c']

# Add to the dataframes columns-labels, which mean belonging to either the control or the test group
df_control['group'] = 'Contol group'
df_test['group'] = 'Test group'

# Concat the dataframes
df_combined = pd.concat([df_control, df_test])

# Plotting violin plots
sns.violinplot(data=df_combined, x='group', y='Impression', palette=colors_list)

# Plotting swarm plots
sns.swarmplot(data=df_combined, x='group', y='Impression', color="r", alpha=0.8)

# Sign the axes
plt.xlabel('')
plt.ylabel('Impression')
plt.title('Comparison of Impressions')

# Show the results
plt.show()

Agora temos uma representação visual da dispersão dos dados. Mas será que essas variações são iguais? Infelizmente, não podemos chegar a tal conclusão apenas observando os gráficos. Como você deve ter adivinhado, a estatística possui uma ferramenta para verificar. Mas antes, hora da prática!

Tudo estava claro?

Seção 3. Capítulo 1