Atividade - Visualização de dados

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import os

        
        
        
############################ INICIO DA 1° QUESTÃO #############################
        
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import os
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns


print("Setup Complete")
        
#importando o banco de dados         
dadoscovid = pd.read_csv('../input/corona-virus-report/covid_19_clean_complete.csv')
display( dadoscovid)

#exercisio 5.1 - Line Chart
dadoscovid_trabalhado = dadoscovid.copy()
covid_agrupado = dadoscovid_trabalhado.groupby(['Date', 'WHO Region'],sort = False).sum('Deaths')
covid_agrupado=covid_agrupado.drop(['Africa','South-East Asia','Western Pacific'], axis = 0, level = 'WHO Region')


#covid_a = dadoscovid_trabalhado.loc[(dadoscovid_trabalhado['WHO Region'] == 'Europe')]
#covid_c = dadoscovid_trabalhado.loc[(dadoscovid_trabalhado['WHO Region'] == "Eastern Mediterranean")]
#covid_c = covid_c.loc[:,['Date', 'WHO Region', 'Deaths']].groupby(['Date', 'WHO Region']).sum().reset_index(level='Date')



#FAZENDO CONFIGURAÇÕES EM RELAÇÃO AO GRÁFICO A SER PLOTADO
#plt.figure(figsize=(20,6))

plot = sns. lineplot (data=covid_agrupado, x="Date", y= "Deaths", hue = 'WHO Region')

plt.grid(True)
plt.title('Numero de mortes de covid-19')



####### REPOSTAS DA 1° QUESTÃO #########
#Respostas das questões 

# 1° - A regiaõ com mais mortes foi no continente americano

# 2° - a progressão começa .... foi impossivel de datar devido ao um erro para rodar o codigo, onde é impossivel ler os valores no grafico 
#porém é possivel apontar.

# 3° - todas cressem com uma taxa exponencial bem grande ao longo do tempo 


############################ FIM DA 1° QUESTÃO #############################



############################ INICIO DA 2° QUESTÃO #############################

#exercisio 5.2 - Line Chart
#Variaveis do item A 
##importantdo o grafico do item 4
dadosmundo = pd.read_csv("../input/corona-virus-report/worldometer_data.csv")


z = dadosmundo.groupby('Continent' ).sum('TotalDeaths')
z["Morte_por_Milhão"] = ((z.TotalDeaths/z.Population)* 10**6)


# Saida da atividade de line chart
plot = sns.barplot(data=z, x= z.index , y= 'TotalDeaths')
plt.title('RELAÇÃO DE MORTE X CONTINENTE')
plt.figure(figsize=(10,6))


####### REPOSTAS DA 2° QUESTÃO #########

#Respostas das questões 

# 1° - os continentes com mais mortes foram o europeu , e o norte americano 

# 2° - o com o menor numero de mortes é o continente afriacano 

# 3° - foi feita uma analise do grafico em questão 


############################ FIM DA 2° QUESTÃO #############################




############################ INCIO DA 3° QUESTÃO #############################

#exercisio 5.3 - Scatter Plots
dadosmundo = pd.read_csv("../input/corona-virus-report/worldometer_data.csv")                                             

#o mean faz a media das mortes por continente                       
dadosmundo3_desejado = dadosmundo.groupby('Continent').mean("Deaths/1M pop")

dadosmundo3_desejado.drop(['Australia/Oceania', 'Asia', 'Africa'], axis=0, inplace=True)


display(dadosmundo3_desejado)
plt.figure(figsize=(10,6))

# Saida da atividade de Scatter Plots
sns.scatterplot(data=dadosmundo3_desejado, x="Deaths/1M pop", y='Population', hue= 'Continent')
plt.title("Relação do numero de mortes À Quantidade De População")
plt.xlabel('Mortes por milhão')
plt.ylabel('População total')



############################ FIM DA 3° QUESTÃO #############################




########################### INCIO DA 4° QUESTÃO ############################

#exercisio 5.4 - Scatter Plots
hotplot = sns.heatmap(dadosmundo.corr())

variavel_pra_correlasao = dadosmundo[['Population', 'Deaths/1M pop']]

plt.title('Relação')
plt.show(hotplot)
sns.heatmap(variavel_pra_correlasao.corr())
plt.title('Relação')

####################### FIM DA 4° QUESTÃO ###############################