### Espaço de Tecnologias e Artes - Sesc Avenida Paulista
## Grupo de estudos em Python

### `hackmd.io/@sesc-av-paulista/estudos-em-python-16-setembro`

---
#### Conversas paralelas

Dicas de livros
- https://penseallen.github.io/PensePython2e/
- https://automatetheboringstuff.com

Documentário do Python
- https://www.youtube.com/watch?v=GfH4QL4VqJ0

---

#### Algumas ferramentas de visualizações de dados e tipos diferentes de diagramas

- Galerias de exemplos de dataviz
- https://python-graph-gallery.com/ (Python)
- https://datavizcatalogue.com/ (geral)
- Alguns tipos que olhamos
- **Treemap**
- **Sankey**
- **Wordcloud** (nuvem de palavras)
- Grafos/di-grafos "rede"/"network"

**QuadTree** é outra coisa (não é *treemap*) é uma estrutura de dados para otimização de relações espaciais entre partículas, por exemplo.
- https://www.carlosfranco.co/posts/QuadTree

### Explorações
- Treemap https://datavizcatalogue.com/methods/treemap.html
Patiamos muito nos tutoriais :(
- https://medium.com/wome
nintechnology/a-visual-feast-creating-stunning-treemaps-in-python-using-squarify-631e999660ec

O que chegou mais perto foi este com a bibliteca **plotly**
- Treemap com plotly https://plotly.com/python/treemaps/

Não deu tempo de mostrar nada de grafos e **networkx**
- networkx - Biblioteca para manipular grafos

### Vocabulario matplotlib fig(figura) e ax(eixo)

Exemplo histograma simples

import matplotlib.pyplot as plt

plt.rcParams['figure.dpi'] = 300  # opcional

# inventando uns dados
import numpy as np
alturas = np.random.normal(170, 10, 250)

plt.hist(alturas)
plt.show

# https://python-graph-gallery.com/basic-histogram-in-matplotlib/

import matplotlib.pyplot as plt

plt.rcParams['figure.dpi'] = 300  # opcional

# inventando uns dados
import numpy as np
alturas = np.random.normal(170, 10, 250)


# Initialize layout
fig, ax = plt.subplots(figsize = (4, 4))
#plot
ax.hist(alturas, bins=10, edgecolor="black")
plt.show()

### Wordcloud

- https://python-graph-gallery.com/wordcloud/


Usando a lib `WordCloud`, e `nltk` para remover as palavras sem grande conteúdo semântico (*stopwords*)

Pegamos o texto do romance Iracema. No Projeto Gutemberg.

"""
Generating a square wordcloud from the US constitution using default arguments.
"""

from pathlib import Path
from wordcloud import WordCloud
import matplotlib.pyplot as plt

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

nltk.download('stopwords')
nltk.download('punkt')
# Get English stopwords and tokenize
stop_words = set(stopwords.words('portuguese'))

text = Path('iracema.txt').read_text(encoding='UTF-8')
# Generate a word cloud image
wordcloud = WordCloud(stopwords=stop_words).generate(text)

# Display the generated image:
# the matplotlib way:
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show()