1
resposta

Desafio: comparando tendências de imigração

Tendência comum nos dados:

Ambos os países mostram crescimento a partir dos anos 2000.

Brasil apresenta um crescimento mais acentuado entre 2005 e 2010.

Argentina tem uma curva mais estável, mas também sobe no mesmo período.

Períodos com mais imigrantes?

Brasil: Picos em 2008–2010 (provavelmente reflexo de programas de imigração e da crise no Brasil).

Argentina: Também cresce em 2008–2012, mas com menor intensidade.

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

codigo usado:

import matplotlib.pyplot as plt

1. Pegar os dados dos dois países

dados_brasil = df.loc['Brazil', '1980':'2013'].reset_index()
dados_argentina = df.loc['Argentina', '1980':'2013'].reset_index()

2. Renomear colunas

dados_brasil.columns = ['ano', 'imigrantes_brasil']
dados_argentina.columns = ['ano', 'imigrantes_argentina']

3. Converter ano para inteiro

dados_brasil['ano'] = dados_brasil['ano'].astype(int)
dados_argentina['ano'] = dados_argentina['ano'].astype(int)

4. Criar gráfico comparativo

plt.figure(figsize=(12, 6))

plt.plot(dados_brasil['ano'], dados_brasil['imigrantes_brasil'], marker='o', label='Brasil', color='blue')
plt.plot(dados_argentina['ano'], dados_argentina['imigrantes_argentina'], marker='s', label='Argentina', color='green')

5. Ajustes visuais

plt.title('Comparativo de Imigração para o Canadá: Brasil vs Argentina (1980–2013)')
plt.xlabel('Ano')
plt.ylabel('Número de Imigrantes')
plt.xticks(range(1980, 2014, 5))
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()
1 resposta

Olá, Fabiana! Como vai?

Excelente solução! Fico feliz em saber que você está dominando não só os conceitos de visualização, mas também a preparação cuidadosa dos dados. Um ponto técnico muito bem executado foi o uso do df.loc['Brazil', '1980':'2013'].reset_index() e o equivalente para a Argentina, isso demonstra que você entendeu como filtrar os dados por rótulo e faixa de colunas com precisão.

Gostei muito também da escolha dos marcadores diferenciados (marker='o' para o Brasil e marker='s' para a Argentina), que além de dar identidade visual a cada linha, facilita demais a leitura comparativa. Continue com esse cuidado e clareza na construção das visualizações, é exatamente esse tipo de atenção que transforma os dados em insights valiosos!

Vou deixar como recomendação a leitura da documentação do matplotlib com mais marcadores para você testar, vale a pena demais conferir!

Uma tabela exibindo símbolos de marcadores e suas descrições da biblioteca matplotlib, incluindo formas como pontos, círculos e triângulos.

Ícone de sugestão Para saber mais:

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

Alguns materiais estão em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.

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!