Entrar Ainda não tem acesso?
1
resposta

[Sugestão] Exercício

Referente ao curso Data Science: testando relações com Regressão Linear, no capítulo Explicando a reta e atividade Faça como eu fiz: analisando a variável resposta

por Mauro Roberto Barbosa Cahu
| 66.1k xp | 28 posts
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Carregar os dados
df = pd.read_csv('/mnt/data/Preços_de_casas.csv').drop(columns='Id', errors='ignore')

# Criar histograma com curva de densidade
sns.displot(df['preco_de_venda'], kde=True, color='green')
plt.title('Distribuição do Preço de Venda')
plt.xlabel('Preço de Venda (R$)')
plt.ylabel('Frequência')
plt.tight_layout()
plt.show()

Insira aqui a descrição dessa imagem para ajudar na acessibilidadeHistograma com a curva de densidade (KDE) para a variável preco_de_venda:

O que esse gráfico mostra:

  • A distribuição dos preços é assimétrica à direita (cauda longa).

  • A maior parte das casas está concentrada abaixo de R$ 1.200.000, com uma quantidade menor de imóveis mais caros puxando a média para cima.

  • A curva verde (KDE) ajuda a visualizar a forma geral da distribuição de maneira mais suave que o histograma sozinho.

Esse tipo de visualização é ideal para:

  • Identificar outliers e distribuições não normais,

  • Decidir se transformações (ex.: log) são necessárias antes de aplicar modelos estatísticos.

1 resposta
por Daniel Nogueira
| 561.2k xp | 1043 posts
Alura Scuba Team Analista de Suporte Educacional

Olá, Mauro! Como vai?

Muito bem! Continue resolvendo os desafios e compartilhando com a comunidade Alura.

Observei que você explorou o uso de sns.displot para visualizar a distribuição de dados, utilizou muito bem o parâmetro kde=True para adicionar a curva de densidade e ainda compreendeu a importância do ajuste de layout com plt.tight_layout() para uma visualização mais limpa e organizada.

Uma dica interessante para o futuro é usar sns.histplot quando quiser mais controle sobre o gráfico de histograma. Dessa forma:

sns.histplot(df['preco_de_venda'], kde=True, bins=30, color='green')
plt.title('Distribuição do Preço de Venda')
plt.xlabel('Preço de Venda (R$)')
plt.ylabel('Frequência')
plt.tight_layout()
plt.show()

Resultado: Gráfico de histograma com 30 bins, curva de densidade e maior controle visual.

Isso faz com que você tenha maior personalização dos intervalos (bins) e controle refinado do gráfico.

Ícone de sugestão 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!

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