Graficos Lineares em Linguagem Python

import pandas as pd  # Aqui [pd] é apenas um apelido para esta biblioteca ...Sério não fica viajando muito nisso é apenas isso ...
import numpy as np  # Aqui importo uma biblioteca numerica com python



dict{'a': 3, 'b':'cat', 'c':25}


pd.Series(dict)


oneD = pd.Series([100, 'cat', 'gogs', 500], ['Amy', 'Bobby', 'Cat', 'Don', 'Emma']) #Aqui será criado dois grupos e criado uma relação 1 para 1.
#Neste caso o primeiro grupo será um valor adicionado e o segundo grupo será um indicie.



oneD.loc[['Cat', "Emma"]] # Este caso retorna apenas os valores com o indice escolido (Meio que loc para localize).


#Também é possivel criar multigrupos em uma mesma linha use os colchetes {} << esse treco aqui ... Para representar o grupo.


Grooves = { 'Adão' : pd.Series([100,200,300], index = ['Maçã', 'Pera', 'Laranja']),
          'Eva' : pd.Series([111,222,333,444]), index = ['Maçã', 'Pera', 'Laranja', 'Melão']}



organizandoEmFrames = pd.DataFrame(Groovies)
print(organizandoEmFrames) 

#Aqui os frames serão organizados e representados em forma de tabelas no terminal mesmo.

### IMPORTANDO OS DADOS ###


# Os dados podem ser importados de várias formas. Vou abordar as que eua chei realmente importante.


import pandas as pd
import numpy as np


arquivoDesejado = "C://Windows/System32/%userprofile%/OneDrive/" #  É exemplo de caminho usado ... Ou você digita o caminho ouu...
arquivoLocal = "Resper.csv" #Neste caso aqui o arquivo está no mesmo local do script que você está digitando e não é nescessário digitar uma maracutaia de trem para fazer.


df1 = pd.read_csv(arquivoDesejado)


df1.head() #Mostra os primeiros 5 linhas do banco de dados escolhido ou você coloca uma quanditade numérica ali ou alguma condição específica do arquivo.


# Dependendo do pais a forma como separamos os dados são diferentes, então a forma de separ os dados pode ser representado como [,] Aa virgula ou [;] usando ponto e virgula.
# Então temos que relatar ados dados para que sejam convertidos e melhor representados.


arquivoUsado = "WineQT.csv"
df2 = pd.read_csv(arquivoUsado, sep = ';', decimal = ',') #Neste caso os dados estão separados por ponto e virgula e os decimais são separados por virgula ocorrendo a conversão.
df2.head() # Mostra o maldito ! Lembrando que a função [head()] mostra apenas os 5 primeiros dados do arquivo.


### Importando em formato .json ###


import pandas as pd
import json #Aqui a biblioteca json foi importada para que possamos usar os dados em formato .json


arquivoJson = "dataset.json"


with open (arquivoJson) as Cleber:


JasonOEstripador = json.load(Cleber) #Aqui os dados serão carregados e convertidos para o serem lidos.


print(JasonOEstripador) #Aqui os dados serão mostrados no terminal.


visualizandoDataFrame = pd.DataFrame(JasonOEstripador) #Aqui os dados serão convertidos para um DataFrame do pandas e serão exibidos em formato de tabela com linhas e colunas. # Aqui finalmente os dados podem ser vizualizados em formato de tabela.

### Inferências gráficas rápidas ###


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


df = pd.read_csv("italy_earthquakes_from_2016-08-24_to_2016-11-30.csv", sep = ';', decimal = ',').set_index('Time')
# Com a função [set_index()] é possível escolher uma coluna para ser o indice do DataFrame como escolhemos as datas para visualizar.


df.describe() #Aqui os dados serão descritos e mostrados no terminal usando coisas estátiscas. Melhora o conheicmento dos dados e não fica tão perdido.

### Mostrando o gráfico ! ###


import pandas as pd
from numpy as np
from datetime import datetime
%matplotlib inline # a partir daqui estou importando sistemas de plot para o gráfico muito importante
import matplotlib.pyplot as plt
from matplotlib.pyplab import rcParams
rcParams['figure.figsize'] = 15, 6 # aqui eu defino o tamanho da imagem a ser exibida em polegadas e aparece na sua tela sendo (altura, largura).



df = pd.read_csv("italy_earthquakes_from_2016-08-24_to_2016-11-30.csv", sep = ';', decimal = ',').set_index('Time')
df.index = pd.to_datetime(df.index) # Aqui os dados são vizualidados com a função [to_datetime()] para que sejam vizualidados por datas.
df.head(7) #Aqui os dados serão mostrados no terminal finalmente ...



df['Magnitude'].resample('D').apply([np.mean]).plot() #Aqui os dados serão plotados em um gráfico de linha.


# resample é uma função que agrupa os dados por um determinado período de tempo. Neste caso, 'D' significa que os dados serão agrupados por dia.
# apply([np.mean]) significa que a média dos dados será calculada para cada dia.
# plot() é uma função que plota os dados em um gráfico.


plt.title('Média da Magnitude dos Terremotos por Dia') #Aqui o título do gráfico será mostrado.
plt.xlabel('Data') #Aqui o eixo x será mostrado.
plt.ylabel('Magnitude') #Aqui o eixo y será mostrado a magnetude dos terremotos.