Distribuição da concentração de CO2 | Praticando gráficos: distribuição com Seaborn

import pandas as pd import seaborn as sns import matplotlib.pyplot as plt url = 'https://raw.githubusercontent.com/Gabriellemga/Praticando_Python/refs/heads/main/Dados_distribui%C3%A7%C3%A3o_seaborn/atividade_8.csv' df = pd.read_csv(url) df.head() fig, ax = plt.subplots(figsize = (10, 8)) ax = sns.violinplot(data = df, y = 'Concentração de CO2 (ppm)', color = '#F08080' ) ax.set_title('Distribuição Da Concentração De CO2 (ppm)', fontsize=18) ax.set_ylabel('Concentração de CO2 (ppm)', fontsize=12) ax.set_ylim(320,500) plt.tight_layout() plt.show()

E aí, Márcia! Tudo bem?

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

Percebi que você praticou o uso de violinplot para análise de distribuição, aplicou muito bem o controle de cor personalizada para destacar a visualização e ainda entendeu a relevância de ajustar os limites do eixo y para evitar distorções na interpretação dos dados.

Uma sugestão para evoluir ainda mais é usar o parâmetro inner="quartile" no violinplot com o objetivo de destacar os quartis da distribuição. Veja só:

sns.violinplot(data=df, y='Concentração de CO2 (ppm)', color='#F08080', inner='quartile')

Resultado: Gráfico de violino com as linhas dos quartis destacadas no interior da curva.

Essa abordagem ajuda a enriquecer a visualização estatística com mais detalhes sobre a dispersão dos dados.

Para saber mais:

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

[Documentação] - seaborn.violinplot

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!

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