Representação Gráfica de Dados de Pesquisa

Criar Gráficos Eficazes para Comunicar Insights de Dados

Autor

Márcio Nicolau

Data de Publicação

12 de novembro de 2025

Introdução e Objetivos

Nas aulas anteriores, mergulhamos em todo o ciclo de análise de dados: desde a coleta e a garantia da qualidade, passando pela estatística descritiva, inferência (estimação e testes de hipóteses) e a interpretação. Agora, chegamos à fase de apresentar os resultados de forma clara, concisa e impactante. A representação gráfica de dados de pesquisa é a ponte entre a análise complexa e a compreensão intuitiva.

Um gráfico bem elaborado pode revelar padrões, anomalias e tendências em segundos, enquanto uma tabela de números brutos pode exigir minutos de estudo e ainda assim obscurecer insights importantes. A visualização de dados não é apenas uma habilidade técnica; é uma forma de arte e ciência que nos permite contar a história dos nossos dados de maneira convincente.

Nesta aula, exploraremos os princípios de um bom design gráfico, os tipos de gráficos mais eficazes para diferentes cenários de dados e como utilizá-los para comunicar seus achados de forma poderosa e ética.

Objetivos de Aprendizagem

Ao final desta aula, você será capaz de:

  • Compreender a importância e o impacto da visualização de dados na comunicação de resultados de pesquisa.
  • Aplicar princípios de design gráfico para criar visualizações claras, precisas e eficazes.
  • Selecionar o tipo de gráfico mais apropriado para diferentes tipos de dados e relações.
  • Criar e personalizar gráficos univariados e bivariados usando matplotlib/seaborn em Python e ggplot2 em R.
  • Identificar erros comuns e armadilhas na visualização de dados.
  • Interpretar e comunicar insights de dados através de visualizações.

A Importância da Representação Gráfica na Comunicação

No mundo da análise de dados, os resultados só têm valor se puderem ser compreendidos e utilizados. Gráficos são ferramentas poderosas para:

  • Clarificar Informações Complexas: Transformar tabelas extensas de números em representações visuais fáceis de assimilar.
  • Revelar Padrões e Tendências: O olho humano é excelente em detectar padrões visuais que podem ser invisíveis em dados brutos ou resumos numéricos.
  • Identificar Anomalias e Outliers: Pontos de dados incomuns se destacam facilmente em muitos tipos de gráficos.
  • Suportar Argumentos e Decisões: Um bom gráfico fornece evidências visuais convincentes para as conclusões da sua pesquisa.
  • Engajar a Audiência: Visualizações atraentes e bem projetadas mantêm o interesse e facilitam o aprendizado.

O Processo de Visualização de Dados

graph TD
    A[Início: Dados Analisados e Insights Gerados] --> B(Definir a Mensagem Chave);
    B --> C(Identificar o Tipo de Dados e Relação);
    C --> D(Selecionar o Tipo de Gráfico Mais Adequado);
    D --> E(Criar o Gráfico);
    E --> F(Refinar e Personalizar: Títulos, Rótulos, Cores);
    F --> G(Revisar Clareza e Precisão);
    G --> H[Fim: Comunicar os Insights Visualmente];

    classDef startEnd fill:#f9f,stroke:#333,stroke-width:2px;
    classDef process fill:#e6f3ff,stroke:#007bff;
    class A,H startEnd;
    class B,C,D,E,F,G process;
Figura 1: Fluxo do Processo de Criação de Visualizações Eficazes

Princípios de Design de Gráficos Eficazes

Criar um bom gráfico vai além de escolher o tipo certo; é sobre design para clareza e impacto.

  1. Clareza e Simplicidade:

    • Evite o “Chartjunk”: Informações desnecessárias (cores vibrantes demais, texturas, sombras 3D) que distraem da mensagem.
    • Priorize a Mensagem: O objetivo do gráfico deve ser evidente.
    • Menos é Mais: Reduza a tinta não-dado (Edward Tufte).

  2. Precisão e Integridade:

    • Não Distorça os Dados: Eixos devem começar em zero quando apropriado (especialmente para comparações de magnitude). Evite escalas enganosas.
    • Seja Honesto: Não manipule as visualizações para apoiar uma agenda.

  3. Rótulos e Títulos:

    • Título Claro: Descreve o conteúdo do gráfico de forma concisa.
    • Rótulos dos Eixos: Identificam claramente o que cada eixo representa, incluindo unidades de medida.
    • Legenda: Explica o significado de cores, formas ou tamanhos usados no gráfico.
    • Fonte dos Dados: Sempre inclua a fonte, se possível.

  4. Uso de Cores:

    • Significado: Use cores de forma consistente e com propósito (ex: cores diferentes para categorias distintas, gradientes para valores quantitativos).
    • Acessibilidade: Considere daltônicos (use paletas amigáveis para daltonismo).
    • Contraste: Garanta que o texto e os elementos sejam legíveis.

  5. Escolha do Tipo de Gráfico: O tipo de gráfico deve ser adequado ao tipo de dados e à relação que você deseja mostrar.

Tipos de Gráficos e Suas Aplicações

Revistaremos alguns gráficos da AED, agora com foco na eficácia da comunicação.

1. Distribuição de uma Única Variável

Gráfico de Barras (para Variáveis Categóricas/Qualitativas)

Mostra a frequência ou proporção de cada categoria. Ideal para comparar a magnitude entre categorias discretas.

  • Objetivo: Comparar volumes ou contagens entre categorias.
  • Exemplo: Distribuição de sistemas operacionais em smartphones.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

data = {'SO': ['Android', 'iOS', 'Android', 'iOS', 'Android', 'Outro', 'iOS', 'Android', 'Android', 'iOS']}
df = pd.DataFrame(data)

plt.figure(figsize=(8, 5))
sns.countplot(x='SO', data=df, palette='pastel', order=df['SO'].value_counts().index)
plt.title('Distribuição de Sistemas Operacionais em Smartphones', fontsize=14)
plt.xlabel('Sistema Operacional', fontsize=12)
plt.ylabel('Número de Usuários', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
library(ggplot2)
library(dplyr)

df <- data.frame(
  SO = c('Android', 'iOS', 'Android', 'iOS', 'Android', 'Outro', 'iOS', 'Android', 'Android', 'iOS')
)

ggplot(df, aes(x = SO, fill = SO)) +
  geom_bar(stat = "count") +
  labs(title = 'Distribuição de Sistemas Operacionais em Smartphones',
       x = 'Sistema Operacional',
       y = 'Número de Usuários') +
  theme_minimal(base_size = 14) +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold")) +
  scale_fill_brewer(palette = "Set3") # Melhor para categorias

Histograma (para Variáveis Quantitativas)

Exibe a distribuição de uma variável numérica, mostrando a frequência de valores dentro de intervalos (bins). Ótimo para entender a forma da distribuição, centralidade e dispersão.

  • Objetivo: Mostrar a forma, picos e espalhamento de dados numéricos.
  • Exemplo: Distribuição de idades de uma população.
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

np.random.seed(42)
idades = np.random.normal(loc=35, scale=10, size=500)
idades = idades[(idades >= 18) & (idades <= 80)]

plt.figure(figsize=(10, 6))
sns.histplot(idades, bins=15, kde=True, color='skyblue', edgecolor='black')
plt.title('Distribuição de Idades em uma População Amostral', fontsize=14)
plt.xlabel('Idade (anos)', fontsize=12)
plt.ylabel('Frequência', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
library(ggplot2)

set.seed(42)
idades <- rnorm(500, mean = 35, sd = 10)
idades <- idades[idades >= 18 & idades <= 80]
df_idades <- data.frame(Idade = idades)

ggplot(df_idades, aes(x = Idade)) +
  geom_histogram(binwidth = 5, fill = "skyblue", color = "black", alpha = 0.8) +
  geom_density(aes(y = after_stat(density * 5 * nrow(df_idades))), color = "darkblue", size = 1) + # Escala a densidade para freq
  labs(title = 'Distribuição de Idades em uma População Amostral',
       x = 'Idade (anos)',
       y = 'Frequência') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"))

Box Plot (para Variáveis Quantitativas, Comparação de Grupos)

Fornece um resumo de 5 números (mínimo, Q1, mediana, Q3, máximo) e identifica outliers. Excelente para comparar a distribuição de uma variável numérica entre diferentes categorias.

  • Objetivo: Comparar centralidade, dispersão e identificar outliers entre grupos.
  • Exemplo: Salários por nível de escolaridade.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

data_salarios = {
    'Escolaridade': np.random.choice(['Ensino Médio', 'Graduação', 'Pós-Graduação'], size=100),
    'Salario': np.random.normal(loc=4000, scale=800, size=100)
}
df_salarios = pd.DataFrame(data_salarios)
df_salarios.loc[df_salarios['Escolaridade'] == 'Graduação', 'Salario'] = np.random.normal(loc=6000, scale=1200, size=df_salarios['Escolaridade'].value_counts()['Graduação'])
df_salarios.loc[df_salarios['Escolaridade'] == 'Pós-Graduação', 'Salario'] = np.random.normal(loc=9000, scale=1800, size=df_salarios['Escolaridade'].value_counts()['Pós-Graduação'])
df_salarios['Salario'] = np.maximum(df_salarios['Salario'], 1500).astype(int) # Salario mínimo
# Adicionar um outlier manual para exemplo
df_salarios.loc[0, 'Salario'] = 25000

plt.figure(figsize=(10, 6))
sns.boxplot(x='Escolaridade', y='Salario', data=df_salarios,
            order=['Ensino Médio', 'Graduação', 'Pós-Graduação'], palette='viridis')
plt.title('Distribuição de Salários por Nível de Escolaridade', fontsize=14)
plt.xlabel('Nível de Escolaridade', fontsize=12)
plt.ylabel('Salário (R$)', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
library(ggplot2)
library(dplyr)

set.seed(42)
df_salarios <- data.frame(
  Escolaridade = factor(sample(c('Ensino Médio', 'Graduação', 'Pós-Graduação'), size = 100, replace = TRUE),
                        levels = c('Ensino Médio', 'Graduação', 'Pós-Graduação')),
  Salario = rnorm(100, mean = 4000, sd = 800)
)
df_salarios <- df_salarios %>%
  mutate(Salario = case_when(
    Escolaridade == 'Graduação' ~ rnorm(n(), mean = 6000, sd = 1200),
    Escolaridade == 'Pós-Graduação' ~ rnorm(n(), mean = 9000, sd = 1800),
    TRUE ~ Salario
  ))
df_salarios$Salario <- pmax(df_salarios$Salario, 1500) %>% round()
# Adicionar um outlier manual para exemplo
df_salarios$Salario <- 25000

ggplot(df_salarios, aes(x = Escolaridade, y = Salario, fill = Escolaridade)) +
  geom_boxplot() +
  labs(title = 'Distribuição de Salários por Nível de Escolaridade',
       x = 'Nível de Escolaridade',
       y = 'Salário (R$)') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "none") +
  scale_fill_viridis_d()

2. Relação entre Duas Variáveis

Gráfico de Dispersão (Scatter Plot - Quantitativa vs. Quantitativa)

Mostra a relação entre duas variáveis numéricas. Essencial para identificar padrões, tendências (correlação) e agrupamentos.

  • Objetivo: Visualizar a correlação entre duas variáveis.
  • Exemplo: Relação entre horas de exercício e pressão arterial.
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

np.random.seed(42)
horas_exercicio = np.random.uniform(1, 10, 100)
pressao_arterial = 140 - horas_exercicio * 3 + np.random.normal(0, 5, 100)
df_saude = pd.DataFrame({'Horas_Exercicio': horas_exercicio, 'Pressao_Arterial': pressao_arterial})

plt.figure(figsize=(10, 6))
sns.scatterplot(x='Horas_Exercicio', y='Pressao_Arterial', data=df_saude, hue='Pressao_Arterial', size='Horas_Exercicio', sizes=(50, 500), palette='coolwarm')
plt.title('Relação entre Horas de Exercício Semanal e Pressão Arterial', fontsize=14)
plt.xlabel('Horas de Exercício por Semana', fontsize=12)
plt.ylabel('Pressão Arterial (mmHg)', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.legend(title='Pressão Arterial', bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.tight_layout()
plt.show()
library(ggplot2)

set.seed(42)
horas_exercicio <- runif(100, 1, 10)
pressao_arterial <- 140 - horas_exercicio * 3 + rnorm(100, 0, 5)
df_saude <- data.frame(Horas_Exercicio = horas_exercicio, Pressao_Arterial = pressao_arterial)

ggplot(df_saude, aes(x = Horas_Exercicio, y = Pressao_Arterial, color = Pressao_Arterial, size = Horas_Exercicio)) +
  geom_point(alpha = 0.7) +
  labs(title = 'Relação entre Horas de Exercício Semanal e Pressão Arterial',
       x = 'Horas de Exercício por Semana',
       y = 'Pressão Arterial (mmHg)') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold")) +
  scale_color_viridis_c() +
  guides(size = "none") # Esconde a legenda de tamanho se não for essencial

Gráfico de Linha (para Séries Temporais - Quantitativa vs. Temporal)

Mostra a evolução de uma variável quantitativa ao longo do tempo. Essencial para identificar tendências, sazonalidades e ciclos.

  • Objetivo: Visualizar mudanças ao longo do tempo.
  • Exemplo: Vendas mensais ao longo de um ano.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

data_vendas = {
    'Mes': pd.to_datetime(['2024-01-01', '2024-02-01', '2024-03-01', '2024-04-01', '2024-05-01', '2024-06-01',
                           '2024-07-01', '2024-08-01', '2024-09-01', '2024-10-01', '2024-11-01', '2024-12-01']),
    'Vendas':
}
df_vendas_mensais = pd.DataFrame(data_vendas)

plt.figure(figsize=(12, 6))
sns.lineplot(x='Mes', y='Vendas', data=df_vendas_mensais, marker='o', color='darkorange', linewidth=2)
plt.title('Vendas Mensais ao Longo de 2024', fontsize=14)
plt.xlabel('Mês', fontsize=12)
plt.ylabel('Vendas (em milhares de R$)', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
library(ggplot2)
library(lubridate) # Para trabalhar com datas

df_vendas_mensais <- data.frame(
  Mes = ymd(c('2024-01-01', '2024-02-01', '2024-03-01', '2024-04-01', '2024-05-01', '2024-06-01',
              '2024-07-01', '2024-08-01', '2024-09-01', '2024-10-01', '2024-11-01', '2024-12-01')),
  Vendas = c(150, 160, 170, 180, 190, 200, 220, 210, 200, 190, 180, 170)
)

ggplot(df_vendas_mensais, aes(x = Mes, y = Vendas)) +
  geom_line(color = "darkorange", size = 1.2) +
  geom_point(color = "darkorange", size = 3) +
  labs(title = 'Vendas Mensais ao Longo de 2024',
       x = 'Mês',
       y = 'Vendas (em milhares de R$)') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        axis.text.x = element_text(angle = 45, hjust = 1)) +
  scale_x_date(date_breaks = "1 month", date_labels = "%b %Y")

Gráfico de Barras Agrupadas/Empilhadas (Qualitativa vs. Qualitativa)

Compara as frequências ou proporções de uma categoria em relação a outra. Útil para mostrar a composição ou a distribuição relativa de categorias.

  • Objetivo: Comparar a distribuição de uma variável categórica entre diferentes grupos de outra variável categórica.
  • Exemplo: Preferência por tipo de café por gênero.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

np.random.seed(42)
data_cafe = {
    'Genero': np.random.choice(['Masculino', 'Feminino'], size=200, p=[0.5, 0.5]),
    'Tipo_Cafe': np.random.choice(['Expresso', 'Cappuccino', 'Latte', 'Preto'], size=200)
}
df_cafe = pd.DataFrame(data_cafe)

# Ajuste para mostrar algumas diferenças
df_cafe.loc[df_cafe['Genero'] == 'Feminino', 'Tipo_Cafe'] = np.random.choice(['Cappuccino', 'Latte', 'Expresso'], size=df_cafe[df_cafe['Genero'] == 'Feminino'].shape, p=[0.4, 0.4, 0.2])
df_cafe.loc[df_cafe['Genero'] == 'Masculino', 'Tipo_Cafe'] = np.random.choice(['Expresso', 'Preto', 'Cappuccino'], size=df_cafe[df_cafe['Genero'] == 'Masculino'].shape, p=[0.4, 0.4, 0.2])


# Gráfico de barras agrupadas
plt.figure(figsize=(10, 6))
sns.countplot(x='Genero', hue='Tipo_Cafe', data=df_cafe, palette='Set2')
plt.title('Preferência por Tipo de Café por Gênero', fontsize=14)
plt.xlabel('Gênero', fontsize=12)
plt.ylabel('Contagem', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.legend(title='Tipo de Café', bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.tight_layout()
plt.show()

# Gráfico de barras empilhadas (proporções)
plt.figure(figsize=(10, 6))
df_cafe_prop = df_cafe.groupby('Genero')['Tipo_Cafe'].value_counts(normalize=True).unstack().loc[['Feminino', 'Masculino']]
df_cafe_prop.plot(kind='bar', stacked=True, colormap='Set2')
plt.title('Proporção de Preferência por Tipo de Café por Gênero', fontsize=14)
plt.xlabel('Gênero', fontsize=12)
plt.ylabel('Proporção', fontsize=12)
plt.xticks(rotation=0)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.legend(title='Tipo de Café', bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.tight_layout()
plt.show()
library(ggplot2)
library(dplyr)

set.seed(42)
df_cafe <- data.frame(
  Genero = factor(sample(c('Masculino', 'Feminino'), size = 200, replace = TRUE)),
  Tipo_Cafe = factor(sample(c('Expresso', 'Cappuccino', 'Latte', 'Preto'), size = 200, replace = TRUE))
)

# Ajuste para mostrar algumas diferenças
df_cafe <- df_cafe %>%
  mutate(Tipo_Cafe = case_when(
    Genero == 'Feminino' ~ sample(c('Cappuccino', 'Latte', 'Expresso'), n(), replace = TRUE, prob = c(0.4, 0.4, 0.2)),
    Genero == 'Masculino' ~ sample(c('Expresso', 'Preto', 'Cappuccino'), n(), replace = TRUE, prob = c(0.4, 0.4, 0.2)),
    TRUE ~ Tipo_Cafe
  ))

# Gráfico de barras agrupadas
ggplot(df_cafe, aes(x = Genero, fill = Tipo_Cafe)) +
  geom_bar(position = "dodge") +
  labs(title = 'Preferência por Tipo de Café por Gênero',
       x = 'Gênero',
       y = 'Contagem') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "right") +
  scale_fill_brewer(palette = "Set2")

# Gráfico de barras empilhadas (proporções)
ggplot(df_cafe, aes(x = Genero, fill = Tipo_Cafe)) +
  geom_bar(position = "fill") + # "fill" para proporções empilhadas
  labs(title = 'Proporção de Preferência por Tipo de Café por Gênero',
       x = 'Gênero',
       y = 'Proporção') +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "right") +
  scale_fill_brewer(palette = "Set2")

3. Gráficos para Múltiplas Variáveis

Heatmap de Correlação (para Múltiplas Variáveis Quantitativas)

Visualiza a força e a direção das relações lineares entre todos os pares de variáveis numéricas.

  • Objetivo: Entender rapidamente o padrão de correlações em um dataset.
  • Exemplo: Correlação entre características de imóveis (preço, tamanho, número de quartos).
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# Criando um dataset de exemplo com correlações variadas
np.random.seed(42)
data_multi = pd.DataFrame({
    'Var1': np.random.rand(50),
    'Var2': np.random.rand(50) * 0.7 + np.random.rand(50) * 0.3, # Correlação fraca
    'Var3': np.random.rand(50) * 0.8 + np.random.rand(50) * 0.2 + np.random.rand(50), # Correlação moderada
    'Var4': np.random.rand(50) * -0.9 + np.random.rand(50) * 0.1 # Correlação forte negativa
})
data_multi['Var2'] = data_multi['Var1'] * 0.6 + np.random.normal(0, 0.1, 50) # Ajustar para correlação
data_multi['Var3'] = data_multi['Var1'] * 0.05 + data_multi['Var2'] * 0.8 + np.random.normal(0, 0.05, 50)
data_multi['Var4'] = data_multi['Var1'] * -0.7 + np.random.normal(0, 0.1, 50)

plt.figure(figsize=(10, 8))
sns.heatmap(data_multi.corr(), annot=True, cmap='coolwarm', fmt=".2f", linewidths=.5)
plt.title('Matriz de Correlação de Variáveis', fontsize=14)
plt.xticks(rotation=45, ha='right')
plt.yticks(rotation=0)
plt.tight_layout()
plt.show()
library(ggplot2)
library(reshape2) # Para a função melt
library(dplyr)

set.seed(42)
df_multi <- data.frame(
  Var1 = runif(50),
  Var2 = runif(50) * 0.6 + runif(50) * 0.4, # Correlação fraca
  Var3 = runif(50) * 0.8 + runif(50) * 0.2 + runif(50), # Correlação moderada
  Var4 = runif(50) * -0.9 + runif(50) * 0.1 # Correlação forte negativa
)
# Ajustar para correlação mais controlada
df_multi <- df_multi %>%
  mutate(
    Var2 = Var1 * 0.6 + rnorm(n(), 0, 0.1),
    Var3 = Var1 * 0.05 + Var2 * 0.8 + rnorm(n(), 0, 0.05),
    Var4 = Var1 * -0.7 + rnorm(n(), 0, 0.1)
  )

cor_matrix <- cor(df_multi)
melted_cor_matrix <- melt(cor_matrix)

ggplot(melted_cor_matrix, aes(Var1, Var2, fill = value)) +
  geom_tile(color = "white") +
  scale_fill_gradient2(low = "blue", high = "red", mid = "white",
                       midpoint = 0, limit = c(-1,1), space = "Lab",
                       name="Correlação") +
  theme_minimal(base_size = 14) +
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1, face = "bold"),
        axis.text.y = element_text(face = "bold"),
        plot.title = element_text(hjust = 0.5, face = "bold")) +
  coord_fixed() +
  geom_text(aes(Var1, Var2, label = round(value, 2)), color = "black", size = 4) +
  labs(title = "Matriz de Correlação de Variáveis")

Boas Práticas e Erros Comuns na Visualização

Boas Práticas

  • Simplicidade: Mantenha o gráfico o mais simples possível, removendo elementos desnecessários.
  • Consistência: Use cores, fontes e estilos de forma consistente em todos os gráficos.
  • Foco na Mensagem: Cada gráfico deve ter uma história clara para contar.
  • Acessibilidade: Garanta que os gráficos sejam compreensíveis para pessoas com deficiência visual (ex: daltonismo). Use texto alternativo.
  • Interatividade (se aplicável): Para dashboards e aplicações web, a interatividade pode enriquecer a exploração de dados.

Erros Comuns a Evitar

  • Gráficos 3D Desnecessários: Raramente adicionam valor, frequentemente obscurecem os dados (ex: gráficos de pizza 3D).
  • Eixos Truncados: Começar um eixo Y em um valor diferente de zero pode exagerar diferenças.
  • Escalas Inapropriadas: Escolher uma escala que comprime ou expande demais os dados, levando a interpretações errôneas.
  • Sobrecarga de Informação: Muitos elementos, cores ou categorias em um único gráfico tornam-no ilegível.
  • Escolha Errada do Gráfico: Usar um gráfico de linhas para dados categóricos não sequenciais, por exemplo.
  • Cores Mal Utilizadas: Exagerar nas cores, usar cores conflitantes ou não acessíveis.

Relação com Outros Conceitos

A representação gráfica é o produto final de um processo analítico bem-sucedido e serve como uma ferramenta de diagnóstico e comunicação para todas as etapas:

  • Estatística Descritiva e AED: Os gráficos são a manifestação visual dessas etapas, permitindo a exploração e o resumo dos dados.
  • Coleta e Qualidade dos Dados: Gráficos podem expor problemas de qualidade (outliers, valores ausentes).
  • Estimação e Testes de Hipóteses: Intervalos de confiança podem ser visualizados (ex: barras de erro), e a significância pode ser destacada.
  • Análise e Interpretação de Dados de Pesquisa: A visualização eficaz é a chave para comunicar as conclusões e recomendações de forma impactante.
graph TD
    A["Coleta e Qualidade dos Dados"] --> B["Estatística Descritiva & AED"];
    B --> C["Representação Gráfica de Dados"];
    C --> D["Identificação de Insights e Validação"];
    D --> E["Estimação & Testes de Hipóteses"];
    E --> F["Análise e Interpretação de Dados"];
    F --> G["Comunicação Eficaz (com Gráficos!)"] --> H["Tomada de Decisão"];

    style A fill:#e6f3ff,stroke:#007bff;
    style B fill:#ffe0b3,stroke:#ffc107;
    style C fill:#d4edda,stroke:#28a745;
    style D fill:#c8e6c9,stroke:#4caf50;
    style E fill:#f8bbd0,stroke:#e91e63;
    style F fill:#bbdefb,stroke:#2196f3;
    style G fill:#afa,stroke:#333,stroke-width:2px;
    style H fill:#333,stroke:#333,color:#fff;
Figura 2: Relação da Representação Gráfica com Outros Conceitos Estatísticos

Verificação de Aprendizagem

Para esta atividade, utilizaremos o dataset tips (gorjetas), disponível no pacote seaborn (Python) e frequentemente usado em exemplos ggplot2 (R). Este dataset contém informações sobre o valor da conta, gorjeta, sexo do pagador, fumante (sim/não), dia da semana, hora do dia e tamanho da mesa.

Carregue o dataset tips em Python/R e execute as seguintes visualizações, interpretando-as:

  1. Distribuição Univariada:

    1. Crie um histograma para a variável total_bill (valor total da conta).
    2. Crie um gráfico de barras para a variável day (dia da semana).

  2. Relações Bivariadas:

    1. Crie um gráfico de dispersão mostrando total_bill (eixo X) vs. tip (gorjeta, eixo Y). Adicione sex (sexo) como cor dos pontos e smoker (fumante) como estilo dos marcadores.
    2. Crie um box plot para tip (gorjeta) por day (dia da semana).

  3. Gráfico de Proporções:

    1. Crie um gráfico de barras empilhadas mostrando a proporção de smoker (fumante) por day (dia da semana).

Interprete cada gráfico para identificar padrões, tendências ou anomalias.

Carregando o Dataset tips:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

tips = sns.load_dataset('tips')
print("Dataset 'tips' carregado com sucesso.")
print("\nPrimeiras 5 linhas:")
print(tips.head())
print("\nInformações do dataset:")
tips.info()
library(ggplot2)
library(dplyr)
library(tidyr) # Para pivot_longer

# Carrega o dataset 'tips' (já vem com ggplot2)
data(tips)
cat("Dataset 'tips' carregado com sucesso.\n")
cat("\nPrimeiras 5 linhas:\n")
print(head(tips, 5))
cat("\nInformações do dataset:\n")
print(str(tips))

1. Distribuição Univariada:

  1. Histograma para total_bill:
plt.figure(figsize=(10, 6))
sns.histplot(tips['total_bill'], bins=15, kde=True, color='purple', edgecolor='black')
plt.title('Distribuição do Valor Total da Conta', fontsize=14)
plt.xlabel('Valor da Conta (R$)', fontsize=12)
plt.ylabel('Frequência', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
ggplot(tips, aes(x = total_bill)) +
    geom_histogram(binwidth = 5, fill = "purple", color = "black", alpha = 0.8) +
    geom_density(aes(y = after_stat(density * 5 * nrow(tips))), color = "darkblue", size = 1) +
    labs(title = 'Distribuição do Valor Total da Conta',
        x = 'Valor da Conta (R$)',
        y = 'Frequência') +
    theme_minimal(base_size = 14) +
    theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"))
**Interpretação:** A distribuição do valor total da conta é assimétrica à direita (positiva), com a maioria das contas concentradas em valores mais baixos (entre R\$10 e R\$20). Existem algumas contas de valores mais altos, mas são menos frequentes. O pico está em torno de R\$15.
  1. Gráfico de barras para day:
plt.figure(figsize=(8, 5))
sns.countplot(x='day', data=tips, palette='viridis', order=['Thur', 'Fri', 'Sat', 'Sun'])
plt.title('Contagem de Clientes por Dia da Semana', fontsize=14)
plt.xlabel('Dia da Semana', fontsize=12)
plt.ylabel('Número de Clientes', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
ggplot(tips, aes(x = day, fill = day)) +
    geom_bar(stat = "count") +
    labs(title = 'Contagem de Clientes por Dia da Semana',
        x = 'Dia da Semana',
        y = 'Número de Clientes') +
    theme_minimal(base_size = 14) +
    theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold")) +
    scale_fill_brewer(palette = "Set1")
**Interpretação:** O restaurante tem mais clientes nos fins de semana, especialmente no Sábado (`Sat`) e Domingo (`Sun`). Quinta-feira (`Thur`) tem um número razoável, enquanto Sexta-feira (`Fri`) tem o menor número de clientes.

2. Relações Bivariadas:

  1. Gráfico de dispersão (total_bill vs. tip) com cor por sex e estilo por smoker:
plt.figure(figsize=(12, 7))
sns.scatterplot(x='total_bill', y='tip', hue='sex', style='smoker', data=tips, s=100, alpha=0.8, palette='deep')
plt.title('Relação entre Valor da Conta e Gorjeta por Gênero e Fumante', fontsize=14)
plt.xlabel('Valor Total da Conta (R$)', fontsize=12)
plt.ylabel('Gorjeta (R$)', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.legend(title='Gênero/Fumante', bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.tight_layout()
plt.show()
ggplot(tips, aes(x = total_bill, y = tip, color = sex, shape = smoker)) +
    geom_point(size = 3, alpha = 0.8) +
    labs(title = 'Relação entre Valor da Conta e Gorjeta por Gênero e Fumante',
        x = 'Valor Total da Conta (R$)',
        y = 'Gorjeta (R$)',
        color = 'Gênero',
        shape = 'Fumante') +
    theme_minimal(base_size = 14) +
    theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "right") +
    scale_color_brewer(palette = "Dark2")
**Interpretação:** Há uma forte correlação positiva entre o valor total da conta e a gorjeta; contas maiores tendem a receber gorjetas maiores. Não há um padrão visual óbvio de diferença de gorjetas entre sexos ou entre fumantes/não fumantes em relação ao valor da conta, embora pareça haver mais pontos de fumantes para contas mais altas. Mulheres e homens parecem dar gorjetas de forma similar para contas de mesmo valor.
  1. Box plot para tip por day:
plt.figure(figsize=(10, 6))
sns.boxplot(x='day', y='tip', data=tips, palette='pastel', order=['Thur', 'Fri', 'Sat', 'Sun'])
plt.title('Distribuição de Gorjetas por Dia da Semana', fontsize=14)
plt.xlabel('Dia da Semana', fontsize=12)
plt.ylabel('Gorjeta (R$)', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()
ggplot(tips, aes(x = day, y = tip, fill = day)) +
    geom_boxplot() +
    labs(title = 'Distribuição de Gorjetas por Dia da Semana',
        x = 'Dia da Semana',
        y = 'Gorjeta (R$)') +
    theme_minimal(base_size = 14) +
    theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "none") +
    scale_fill_brewer(palette = "Set3")
**Interpretação:** As medianas das gorjetas são relativamente semelhantes entre os dias, mas Sábado (`Sat`) e Domingo (`Sun`) mostram uma maior variabilidade e alguns outliers de gorjetas mais altas, o que é consistente com o maior movimento nesses dias. Quinta-feira (`Thur`) tem uma distribuição mais concentrada.

3. Gráfico de Proporções:

  1. Gráfico de barras empilhadas mostrando a proporção de smoker por day:
plt.figure(figsize=(10, 6))
tips_smoker_prop = tips.groupby('day')['smoker'].value_counts(normalize=True).unstack()
tips_smoker_prop.plot(kind='bar', stacked=True, colormap='Paired')
plt.title('Proporção de Fumantes vs. Não Fumantes por Dia da Semana', fontsize=14)
plt.xlabel('Dia da Semana', fontsize=12)
plt.ylabel('Proporção', fontsize=12)
plt.xticks(rotation=0)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.legend(title='Fumante', bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.tight_layout()
plt.show()
ggplot(tips, aes(x = day, fill = smoker)) +
    geom_bar(position = "fill") +
    labs(title = 'Proporção de Fumantes vs. Não Fumantes por Dia da Semana',
        x = 'Dia da Semana',
        y = 'Proporção',
        fill = 'Fumante') +
    theme_minimal(base_size = 14) +
    theme(plot.title = element_text(hjust = 0.5, face = "bold"),
        axis.title = element_text(face = "bold"),
        legend.position = "right") +
    scale_fill_brewer(palette = "Paired")
**Interpretação:** A proporção de clientes fumantes varia consideravelmente entre os dias. Na Quinta-feira (`Thur`) e Sábado (`Sat`), a proporção de fumantes é mais equilibrada ou ligeiramente menor que a de não fumantes. Já na Sexta-feira (`Fri`), a proporção de fumantes é notavelmente maior que a de não fumantes, enquanto no Domingo (`Sun`), a proporção de não fumantes é significativamente maior. Isso pode indicar diferentes perfis de clientela em diferentes dias da semana.

Referências Bibliográficas