Visualizações interativas com Plotly
Plotly Express, gráficos interativos, dashboards, animações, mapas geográficos, exportação
1Qual é a principal diferença entre Plotly Express e Plotly Graph Objects?
Qual é a principal diferença entre Plotly Express e Plotly Graph Objects?
Resposta
Plotly Express é uma API de alto nível que permite criar gráficos em uma única linha de código com parâmetros simples. Plotly Graph Objects é a API de baixo nível que oferece controle total sobre cada elemento do gráfico. Plotly Express usa Graph Objects internamente, o que permite alternar entre eles para personalizar ainda mais os gráficos.
2Como criar um scatter plot com Plotly Express a partir de um DataFrame Pandas?
Como criar um scatter plot com Plotly Express a partir de um DataFrame Pandas?
Resposta
A função px.scatter() recebe um DataFrame e usa os parâmetros x e y para especificar quais colunas exibir em cada eixo. Esta sintaxe concisa permite criar rapidamente visualizações interativas sem configuração complexa. Parâmetros opcionais como color, size e hover_data permitem enriquecer o gráfico.
3Qual parâmetro do Plotly Express permite colorir os pontos de acordo com uma variável categórica?
Qual parâmetro do Plotly Express permite colorir os pontos de acordo com uma variável categórica?
Resposta
O parâmetro color do Plotly Express atribui automaticamente cores distintas a cada valor único de uma variável categórica. Plotly gera uma legenda interativa e usa uma paleta de cores padrão otimizada para distinção visual. Este parâmetro também funciona com variáveis numéricas para criar um gradiente de cores.
Como exibir um gráfico Plotly em um notebook Jupyter?
Como exportar um gráfico Plotly para o formato HTML para compartilhar?
+15 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Estatística descritiva
Estatística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis