# Definição dos Estados
sudeste = ['SP', 'RJ', 'ES','MG']
nordeste= ['MA', 'PI', 'CE', 'RN', 'PE', 'PB', 'SE', 'AL', 'BA']
norte = ['AM', 'RR', 'AP', 'PA', 'TO', 'RO', 'AC']
centro_oeste = ['MT', 'GO', 'MS' ,'DF' ]
sul = ['SC', 'RS', 'PR']
# Localização na Base de Dados e categorização (DF)
df.loc[df['estado_cliente'].isin(sudeste), 'Regiao'] = 'Sudeste'
df.loc[df['estado_cliente'].isin(nordeste), 'Regiao'] = 'Nordeste'
df.loc[df['estado_cliente'].isin(norte), 'Regiao'] = 'Norte'
df.loc[df['estado_cliente'].isin(centro_oeste), 'Regiao'] = 'Centro_Oeste'
df.loc[df['estado_cliente'].isin(sul), 'Regiao'] = 'Sul'# Calcular a frequência dos valores das variáveis 'Regiao' e 'estado_cliente'
frequencia = pd.crosstab(index=df['Regiao'], columns=df['estado_cliente'])
# Ajustar o tamanho do gráfico
sns.set(rc={'figure.figsize':(25,5)})
# Plotar o mapa de calor com o Seaborn
sns.heatmap(frequencia, cmap='Blues', annot=True, fmt='d')Usamos a função pd.crosstab para calcular a frequência dos valores da variável 'estado_cliente' em relação à variável 'Regiao'. Em seguida, usamos a função sns.heatmap para plotar o mapa de calor com as frequências calculadas.
