Desafio: visualizando dados de vendas de diferentes lojas | Data Visualization: criando gráficos com bibliotecas Python

cor = 'deeppink' fig, axs = plt.subplots(2,2, figsize=(12,8)) fig.subplots_adjust(hspace=0.5, wspace=0.3) fig.suptitle('Variação no número de vendas anual') axs[0,0].plot(df.loc['A'], color=cor) axs[0,0].set_title('Loja A') axs[0,1].plot(df.loc['B'], color=cor) axs[0,1].set_title('Loja B') axs[1,0].plot(df.loc['C'], color=cor) axs[1,0].set_title('Loja C') axs[1,1].plot(df.loc['D'], color=cor) axs[1,1].set_title('Loja D') for ax in axs.flat: ax.set(xlabel='Meses', ylabel='Número de vendas') ax.grid(alpha=0.3) ymin=0 ymax=450 for ax in axs.ravel(): ax.set_ylim(ymin, ymax) plt.show()

Olá, Adriely! Como vai?

Parabéns pela resolução da atividade!

Observei que você estruturou corretamente o DataFrame para organizar os dados, utilizou de forma eficiente os subplots para comparar as lojas e ainda aplicou ajustes de espaçamento e limites de eixo para dar clareza à visualização.

Uma dica interessante para o futuro é variar as cores de cada gráfico para facilitar a distinção visual. Assim:

cores = ['deeppink', 'magenta', 'darkorchid', 'salmon']

for i, loja in enumerate(lojas):
    linha, coluna = divmod(i, 2)
    axs[linha, coluna].plot(df.loc[loja], color=cores[i])
    axs[linha, coluna].set_title(f'Loja {loja}', color=cores[i])

Isso faz com que cada loja seja representada com uma cor própria, tornando a análise mais intuitiva.

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

Abraço e bons estudos!

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