Olá, Márcia! Como vai?
Muito bem! Continue resolvendo os desafios e compartilhando com a comunidade Alura.
Observei que você explorou o uso do gráfico de dispersão (scatter) para ilustrar a relação entre variáveis contínuas, utilizou muito bem o parâmetro color para personalizar a visualização dos pontos e ainda compreendeu a importância do uso do grid para facilitar a leitura dos valores no gráfico.
Uma dica interessante para o futuro é usar a regressão linear com seaborn para adicionar uma linha de tendência que facilite a interpretação da relação entre os dados. Dessa forma:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
url='https://raw.githubusercontent.com/Gabriellemga/Praticando_Python/refs/heads/main/Praticando_gr%C3%A1ficos_composi%C3%A7%C3%A3o_relacionamentos/dados/atividade_7.csv'
df=pd.read_csv(url)
df.head()
plt.figure(figsize=(10, 6))
plt.scatter(df['Distância (km)'], df['Tempo de Entrega (h)'], color='#4a90e2')
# Adicionando linha de tendência
sns.regplot(data=df, x='Distância (km)', y='Tempo de Entrega (h)', scatter_kws={'color': '#4a90e2'}, line_kws={'color': 'red'})
plt.title('Relação entre Distância (km) e Tempo de Entrega (h)', fontsize=16, loc='left')
plt.ylabel('Tempo de Entrega (h)', fontsize=12)
plt.xlabel('Distância (km)', fontsize=12)
plt.grid(True, alpha=0.4)
plt.tight_layout()
plt.show()
Resultado:
Isso faz com que seja possível visualizar melhor uma tendência linear nos dados, o que pode ser muito útil para análises preditivas.
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!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!
