Gráficos de barras

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 26 de 60.

Este capítulo transforma dados em resumos. Ao final, você criará um relatório com dois gráficos como este:

Dois gráficos lado a lado: um gráfico de barras da chuva média para cada dia da semana, com quinta-feira como o dia mais chuvoso, e um histograma da chuva diária, em que a maioria dos dias tem quase nenhuma chuva

Começa com barras. Os sabores não têm uma ordem, então uma linha de um para o outro não significa nada. ax.bar(categories, values) desenha uma barra por categoria:

flavors = ["Chocolate", "Vanilla", "Mint", "Mango"]
sold = [42, 27, 15, 21]
fig, ax = plt.subplots()
ax.bar(flavors, sold)
ax.set_title("Scoops Sold")
ax.set_ylabel("Scoops")
plt.show()

Um gráfico de barras intitulado Scoops Sold com quatro barras: Chocolate 42, Vanilla 27, Mint 15, Mango 21

As barras começam em 0, então as alturas podem ser comparadas diretamente: 42 para chocolate é o dobro de 21 para manga. Antes de treinar um modelo, as barras que mostram a frequência de cada resposta indicam se uma delas predomina.

Desafio

Médio

48 estudantes disseram como vão à escola. counts contém as respostas por código: 1 a pé, 2 de bicicleta, 3 de ônibus, 4 de carro. Para comparar escolas, represente as proporções em um gráfico:

Transforme as contagens em porcentagens, arredondadas para 1 casa decimal (12 de 48 é 25.0).
Represente-as como barras: Walk, Bike, Bus, Car.
Rotule o eixo vertical como Students (%).

O seu deve ficar parecido com este, de uma escola menor:

Gráfico de barras intitulado Getting to School com quatro barras em porcentagens: Walk 26.7, Bike 13.3, Bus 40, Car 20

Seu programa não imprime nada. O Coddy descreve as barras na saída.

Experimente você mesmo

import numpy as np
import matplotlib.pyplot as plt

# 1 = a pé, 2 = bicicleta, 3 = ônibus, 4 = carro
answers = np.array([1, 3, 1, 4, 3, 3, 4, 3, 4, 4, 3, 4, 4, 4, 3, 3,
                    2, 2, 2, 1, 1, 3, 1, 1, 1, 2, 3, 3, 1, 3, 2, 1,
                    3, 4, 3, 3, 1, 1, 1, 2, 3, 1, 3, 4, 4, 3, 2, 4])


# Retorna um array: quantos valores são iguais a cada código de 1 a 4
def count_codes(values):
    counts = []
    for code in range(1, 5):
        counts.append((values == code).sum())
    return np.array(counts)


counts = count_codes(answers)
fig, ax = plt.subplots()
ax.set_title("Getting to School")

# Escreva seu código abaixo

# Não altere a linha abaixo
plt.show()