Entrar Ainda não tem acesso?
1
resposta

Analisando os níveis de poluentes atmosféricos ao longo do tempo

Referente ao curso Praticando gráficos: criando gráficos de comparação, no capítulo Gráficos de comparação e atividade Analisando os níveis de poluentes atmosféricos ao longo do tempo

por Marcia Gabrielle Apolinario
| 207.1k xp | 291 posts
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = ('https://raw.githubusercontent.com/alura-cursos/python_dados/refs/heads/main/Dados/poluentes.csv')
df_ar = pd.read_csv(url)
df_ar.head()
df_ar['Data'] = pd.to_datetime(df_ar['Data'])
df_ar = df_ar.groupby('Data')['O3'].sum().reset_index()
fig, ax = plt.subplots(figsize = (18,8))

ax = sns.lineplot(x='Data', y='O3', data=df_ar)
ax.set_title('Níveis de ozônio ao longo dos dias (Jan/2020 - Jan/2024)', loc='left', fontsize = 20, pad = 20)
ax.set_ylabel('O3 (ug/m3)', fontsize=12)
ax.tick_params(axis='both', which='both', length=0)
sns.despine()
plt.show()

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

1 resposta
por Daniel Nogueira
| 613.1k xp | 1122 posts
Alura Scuba Team Analista de Suporte Educacional

E aí, Márcia! Tudo bem?

Parabéns! Mantenha o ritmo nos exercícios e continue compartilhando na nossa comunidade.

Percebi que você dominou o uso de groupby() com sum() para consolidar os dados de ozônio por dia, aplicou muito bem o lineplot() do Seaborn para construir uma visualização clara da série temporal e ainda entendeu a relevância de usar pd.to_datetime() para garantir a manipulação correta das datas.

Permaneça postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.

Ícone de sugestão Para saber mais:

Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:

Fico à disposição! E se precisar, conte sempre com o apoio do fórum.

Abraço e bons estudos!

AluraConte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!