Para resolver este desafio, vamos utilizar os dados de imigração do Canadá (que você já possui nos arquivos .csv carregados) para extrair as tendências de Brasil, Argentina, Peru e Colômbia. Utilizaremos o Seaborn para o estilo e a paleta de cores, aproveitando a integração com o Matplotlib para ajustes de acessibilidade, como espessura de linha e tamanho de fonte.
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
1. Carregamento e Preparação dos Dados
df = pd.read_csv('imigrantes_canada (2).csv')
df.set_index('País', inplace=True)
Selecionando os países e os anos (1980 a 2013)
paises = ['Brasil', 'Argentina', 'Peru', 'Colômbia']
anos = list(map(str, range(1980, 2014)))
Criando um DataFrame específico e transpondo para o formato que o Seaborn prefere
df_paises = df.loc[paises, anos].T
df_paises.index = df_paises.index.astype(int) # Convertendo anos para inteiro
2. Configuração de Estilo e Acessibilidade
sns.set_theme(style="whitegrid") # Tema limpo com grades para facilitar leitura
sns.set_palette("Dark2") # Paleta com alto contraste e cores distintas
plt.figure(figsize=(12, 6))
3. Criação do Gráfico
Usamos linewidth maior para acessibilidade e marcadores para distinguir pontos
ax = sns.lineplot(data=df_paises, linewidth=2.5, dashes=False)
4. Personalização de Títulos e Rótulos (Fontes legíveis)
plt.title('Tendência de Imigração para o Canadá (1980 - 2013)\nMaiores Países da América Latina',
fontsize=18, fontweight='bold', pad=20)
plt.xlabel('Ano', fontsize=14)
plt.ylabel('Número de Imigrantes', fontsize=14)
Ajuste dos Ticks (Acessibilidade)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
5. Legenda e Finalização
plt.legend(title='Países', title_fontsize='13', fontsize='12', loc='upper left')
Removendo bordas desnecessárias (Descluttering)
sns.despine()
plt.show()
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!