Sugestão de uso de outra função | Estatística com Python: frequências e medidas

Olá! Gostaria de compartilhar que recebi o alerta de que a função distplot() está depreciada e devemos usar displot() ou histplot()em seu lugar. Segue alerta ao executar o código da aula:

distplot` is a deprecated function and will be removed in seaborn v0.14.0.

Please adapt your code to use either `displot` (a figure-level function with
similar flexibility) or `histplot` (an axes-level function for histograms).

For a guide to updating your code to use the new functions, please see
[https://gist.github.com/mwaskom/de44147ed2974457ad6372750bbe5751]()

Há um link mostrando como substituir o distplot, mas seria interessante colocar materiais da própria Alura sobre isso, se já não houver. Ficaria feliz se pudessem enviar mais conteúdos sobre como fazer essa atualização :)

Oi, Maria Fernanda, tudo bem?

Muito obrigado pelo feedback, ele é muito importante para manter o desenvolvimento dos nossos conteúdos e levar experiências repletas de aprendizagens para nossas alunas e alunos.

Além disso, fico muito feliz que esteja interessada em compreender como atingir resultados semelhantes com as funções apresentadas no aviso. Vou demonstrar como utilizar o histplot uma das funções mencionadas.

Usaremos como exemplo a avaliação da variável Renda até 20.000 reais. Ao aplicar o distplot, que gera o aviso, o código é escrito da seguinte maneira:

ax = sns.distplot(dados.query('Renda < 20000').Renda)
ax.figure.set_size_inches(12, 6)
ax

O resultado do gráfico é apresentado abaixo:

Gráfico de distribuição da renda da população estudada com os valores de densidade mais próximos à esquerda do gráfico apresentando uma distribuição assimétrica a direita. Nesse gráfico, temos também a curva 'kde' que é a curva gausiana que representa a distribuição de nossos dados.

Usando a função histplot é responsável por gerar histogramas para demonstrar a distribuição de uma dada variável num DataFrame.

Um histograma é uma ferramenta visual clássica que apresenta a distribuição de nossos dados contando o número de observações presentes dentro de certos intervalos (bins).

Como no nosso caso queremos normalizar os nossos dados para apresentarmos a densidade deles (área total do histograma igual a 1), utilizaremos o parâmetro estatístico de densidade (stat = "density") .

O parâmetro kde=True serve para gerarmos a curva gaussiana estimada que representa a distribuição dos nossos dados. É a partir dessa curva que iremos observar e verificar a sua simetria/assimetria conforme a abordagem do professor nesse curso.

Assim, um código adaptado possível para usar o histplot no lugar do distplot seria:

# Método Histplot
#
# Parâmetros: stat = estatística agregada a função --> "density" (densidade) o padrão é "count" (contagem)           
#             element = modo de exibição dos elementos (bins) --> "step" (degraus) o padrão é "bars" (barras)
#             bins = número de intervalos desejados --> o padrão é "auto" 
#             kde = curva que caracteriza a distribuição --> o padrão é False 
#             color = cor dos dados(hexadecimal ou seguindo a biblioteca matplotlib)
#             lw = espessura da linha dos intervalos (zerei para não ter espessura)
ax = sns.histplot(dados.query('Renda < 20000').Renda, stat="density", element="step", bins=50, kde=True, color='#74acd4', lw=0)
ax.figure.set_size_inches(12, 6)
ax

O gráfico gerado a partir desse código é:

Fique a vontade para modificar os parâmetros e testar diferentes configurações para experimentar essa função e suas potencialidades. Também recomendo que você dê uma lida na documentação do histplote do displot da biblioteca seaborn para possíveis consultas e testes:

Espero ter ajudado. Caso tenha dúvidas, não hesite em postar no fórum!

Abraços e bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!