Resolução de Desafio: visualizando dados de vendas de diferentes lojas

Segue a resolução do desafio proposto.

Utilizei a iteração na criação dos gráficos, para otimizar o código escrito.

#Desáfio de código
lojas = ['A', 'B', 'C', 'D']

vendas_2022 = {'Jan': [100, 80, 150, 50],
    'Fev': [120, 90, 170, 60],
    'Mar': [150, 100, 200, 80],
    'Abr': [180, 110, 230, 90],
    'Mai': [220, 190, 350, 200],
    'Jun': [230, 150, 280, 120],
    'Jul': [250, 170, 300, 140],
    'Ago': [260, 180, 310, 150],
    'Set': [240, 160, 290, 130],
    'Out': [220, 140, 270, 110],
    'Nov': [400, 220, 350, 190],
    'Dez': [300, 350, 400, 250]
}

vendas_lojas_2022 = pd.DataFrame(vendas_2022, index = lojas)

fig, axs = plt.subplots(2,2, figsize=(12,6))
fig.suptitle('Vendas nas 4 lojas em 2022')
fig.subplots_adjust(hspace=0.5)

ymin = 0
ymax = 450

for ax, loja in zip(axs.flat, lojas):
  ax.plot(vendas_lojas_2022.loc[loja])
  ax.set_title(f"Vendas na Loja {loja}")
  ax.set_xlabel('Período em 2022')
  ax.set_ylabel('Quantidade de Vendas')
  ax.set_ylim(ymin, ymax)
  ax.grid()

plt.show()