0Pricing
Data Science Academy · Aula

Facetas, matiz e estilo

Dividindo gráficos por categoria.

Facetas, matiz e estilo é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Um gráfico, muitas divisões

Às vezes, um único gráfico oculta informações demais. A divisão em painéis separa seus dados em uma grade de pequenos gráficos, um por categoria, para que cada grupo tenha sua própria visão.

Codifique grupos com hue

A forma mais leve de comparar grupos é usar cores. hue associa uma categoria a cores dentro de um único gráfico, sem precisar de painéis adicionais.

sns.scatterplot(data=df, x="x", y="y", hue="group")

Divida em colunas

Para separar os grupos em painéis distintos, use um gráfico no nível da figura com col. Cada categoria se tornará seu próprio gráfico lado a lado.

sns.relplot(data=df, x="x", y="y", col="group")

Divida também em linhas

Combine col com row para criar uma grade completa. Uma variável se distribui pelas colunas, enquanto outra se empilha pelas linhas.

sns.relplot(data=df, x="x", y="y", col="region", row="year")

No nível da figura versus no nível dos eixos

A divisão em painéis exige funções no nível da figura, como relplot, displot e catplot. Os gráficos comuns, como scatterplot, ficam dentro de um único painel.

Quebre linhas longas de painéis

Muitas categorias criam uma linha interminável. col_wrap informa ao seaborn quantos painéis permitir antes de começar uma nova linha.

sns.relplot(data=df, x="x", y="y", col="city", col_wrap=3)

O estilo codifica sem usar cores

Além da cor, style associa uma categoria a formatos de marcadores ou linhas tracejadas, o que ajuda quando as impressões são em preto e branco.

sns.lineplot(data=df, x="x", y="y", style="device")

Escolha uma paleta de cores

Troque as cores com palette. Escolha um conjunto vibrante para grupos distintos ou um gradiente para valores que vão do baixo ao alto.

sns.scatterplot(data=df, x="x", y="y", hue="group", palette="viridis")

Defina a aparência geral

Uma única chamada redefine o estilo de todos os gráficos de uma vez. set_theme controla o fundo, as linhas de grade e a paleta padrão da sessão.

sns.set_theme(style="darkgrid", palette="muted")

Combine hue e painéis

Você pode combiná-los: use cores dentro de cada painel e divida os painéis por outro campo. Apenas evite codificar tanta informação que a mensagem se perca.

sns.relplot(data=df, x="x", y="y", hue="sex", col="day")

Menos costuma ser mais

Cada hue, estilo e painel adicional aumenta a carga para o leitor. Procure usar a visão mais simples que ainda responda à pergunta.

Verificação rápida

Você quer que cada categoria seja desenhada em seu próprio painel separado.

Recapitulação: codifique, divida em painéis e estilize

Agora você adiciona informações em camadas com hue e style, divide os grupos usando painéis e aplica um tema consistente, mantendo o gráfico fácil de ler. 🎨

Perguntas Frequentes

A aula “Facetas, matiz e estilo” é grátis?

Sim — o texto completo de “Facetas, matiz e estilo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Facetas, matiz e estilo”?

Dividindo gráficos por categoria. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.

Quanto tempo leva a aula “Facetas, matiz e estilo”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Data Science Academy?

Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Por que seaborn em vez de matplotlib puro
  2. Distribuições: hist, kde e box
  3. Relações: dispersão e linha
  4. Facetas, matiz e estilo
← Voltar para Data Science Academy