Análise Exploratória de Dados com o Gráfico de Histograma

Entender a origem dos dados e suas principais características é fundamental para produzir análises ou previsões úteis na ciência de dados. As estatísticas descritivas ajudam muito nesse sentido e sumarizam informações relevantes sobre as variáveis, mas às vezes isso não é suficiente. Para obter uma visão geral dos dados é importante explorar também os métodos de visualização.

Análises de dados possíveis com gráficos de histograma

1. Distribuição dos dados: histogramas permitem visualizar a forma da distribuição dos dados, sendo possível verificar se os dados são simétricos (distribuição normal), assimétricos (distribuição assimétrica positiva ou negativa) ou se possuem múltiplos picos (distribuição bimodal ou multimodal).
2. Tendência central: histogramas podem ajudar a determinar a tendência central dos dados, sendo possível identificar facilmente estatísticas como média, mediana e moda.
3. Dispersão: histogramas fornecem uma ideia da dispersão dos dados, sendo possível analisar o intervalo sobre o qual os valores ocorrem, sua amplitude ou estreiteza.
4. Valores extremos: histogramas permitem identificar valores extremos ou outliers, que aparecerão como barras isoladas e não seguirão o padrão geral da distribuição.
5. Comparação de grupos: histogramas possibilitam comparar visualmente a distribuição de diferentes grupos que podem existir nos dados, o que pode ajudar a identificar diferenças ou semelhanças entre os grupos.

O que é um gráfico de histograma?

Como gerar gráficos de histograma?

R

# Carregar pacotes
library(rbcb)      # dados do Banco Central
library(ggplot2)   # gramática de gráficos

# Coleta da meta para a inflação (código 13521 no SGS do BCB).
# A API às vezes devolve erro 502, por isso a nova tentativa.
coletar_meta <- function(tentativas = 5) {
  for (i in seq_len(tentativas)) {
    resposta <- try(rbcb::get_series(c("meta" = 13521)), silent = TRUE)
    if (!inherits(resposta, "try-error")) return(resposta)   # deu certo
    Sys.sleep(8)                                             # aguarda e repete
  }
  stop("O SGS do BCB não respondeu após várias tentativas")
}

tabela <- coletar_meta()

# Gráfico de histograma
tabela |>
  ggplot2::ggplot() +
  ggplot2::aes(x = meta) +                        # a variável no eixo horizontal
  ggplot2::geom_histogram(binwidth = 1) +         # faixas de 1 ponto percentual
  ggplot2::scale_x_continuous(n.breaks = 8) +     # marcas de eixo legíveis
  ggplot2::labs(
    title = "Gráfico de Histograma",
    y     = "Contagem",
    x     = "Meta para a inflação, %"
  )

Python

# Importar bibliotecas
from bcb import sgs         # dados do Banco Central
import plotnine as p9       # gramática de gráficos
import time                 # pausa entre as tentativas

# Coleta da meta para a inflação (código 13521 no SGS do BCB).
# A API às vezes devolve erro 502, por isso a nova tentativa.
def coletar_meta(tentativas=5):
    for _ in range(tentativas):
        try:
            return sgs.get({"meta": 13521})   # deu certo: devolve a tabela
        except Exception:
            time.sleep(8)                     # aguarda e repete
    raise RuntimeError("O SGS do BCB não respondeu após várias tentativas")

tabela = coletar_meta()

# Gráfico de histograma
grafico = (
    p9.ggplot(tabela)
    + p9.aes(x="meta")                                 # a variável no eixo horizontal
    + p9.geom_histogram(binwidth=1)                    # faixas de 1 ponto percentual
    + p9.scale_x_continuous(breaks=range(0, 9))        # marcas de eixo legíveis
    + p9.ggtitle("Gráfico de Histograma")
    + p9.ylab("Contagem")
    + p9.xlab("Meta para a inflação, %")
)

print(grafico)

O que este histograma mostra

Quando o histograma não basta

Conclusão