Por Que Criar Gráficos via Programação em Python se Podemos Usar Power BI, Tableau ou Looker Studio?
Summary
TLDRThis chapter focuses on data visualization using Netpoint and Plotly, two excellent libraries for creating charts in Python. It discusses the benefits of programmatic chart creation over low-code tools like Power BI and Tableau, highlighting flexibility and customization. The video emphasizes the importance of learning to program charts in Python for seamless integration within data analysis workflows, offering a complete environment for data scientists. It also touches on the advantages and disadvantages of both approaches, guiding viewers to choose the right tool based on their needs.
Takeaways
- 📊 The chapter aims to introduce data visualization using Netpoint and Plotly libraries, which are excellent for creating charts in Python.
- 🤔 The discussion addresses the question of why one would program charts in Python when tools like Power BI or Tableau are available for quick visualization.
- 🔧 Low-code tools like Power BI offer limited flexibility and are best suited for creating basic charts quickly without extensive programming.
- 🚫 Proprietary tools do not allow users to access or modify the source code, limiting customization options.
- 💡 Python and R are suggested for their extensive customization capabilities, especially for those who need to create highly specific or customized visualizations.
- 📈 Plotly and ggplot2 are highlighted as powerful, customizable, and free libraries for data visualization in Python and R, respectively.
- 🛠️ The ability to modify the source code in Python and R allows for creating high-quality, customizable charts that can even be integrated into commercial solutions.
- 🔬 Python and R are widely used in data science and provide a comprehensive environment for data analysis, including the creation of visualizations.
- 🧩 It's beneficial to create visualizations within the same environment used for data analysis to maintain workflow continuity and efficiency.
- ⚖️ Each tool has its advantages and disadvantages, and the choice depends on the user's needs, whether it's for quick, basic chart creation or in-depth, customized visualizations.
Q & A
What is the main objective of the chapter discussed in the transcript?
-The main objective of the chapter is to introduce data visualization using Netpoint and Plotly libraries, which are excellent for creating charts in Python.
Why is it necessary to create charts via programming in Python when there are tools like Power BI or Tableau?
-While tools like Power BI and Tableau are great for creating basic charts quickly, they offer limited flexibility and customization. Programming in Python allows for greater customization and control over the charts.
What does the term 'low code' refer to in the context of the transcript?
-In the context of the transcript, 'low code' refers to tools that require minimal programming effort, allowing users to create charts with just a few clicks.
What are some of the limitations of proprietary tools like Power BI and Tableau mentioned in the transcript?
-Proprietary tools like Power BI and Tableau have limitations such as lack of access to the source code, inability to modify the tool's standards, and limited customization options.
Why is it beneficial to learn programming for creating charts in Python?
-Learning to program charts in Python is beneficial because it allows for complete customization and control over the charts, and it integrates well with data analysis workflows, allowing for a seamless process from data manipulation to visualization.
What are some advantages of using programming languages like Python and R for data visualization?
-Python and R offer free and highly customizable libraries for data visualization, such as ggplot2 for R, which allows for high-quality statistical charts with extensive customization options.
How does the transcript differentiate between using low code tools and programming for data visualization?
-The transcript differentiates by stating that low code tools are suitable for quick, basic chart creation with less flexibility, while programming offers extensive customization and control, which is essential for complex or specific data visualization needs.
What is the significance of being able to modify the source code when creating custom visualizations?
-The ability to modify the source code is significant as it allows for tailoring the visualization to specific requirements, including the integration of these visualizations into commercial solutions like analytical applications or predictive data applications.
What are some scenarios where using programming for data visualization might be preferred over low code tools?
-Programming for data visualization is preferred when working on a data analysis project where customization and specific visualizations are needed, or when the workflow requires seamless integration of data manipulation and visualization within the same environment.
Why might someone choose to use a low code tool like Power BI over programming for data visualization?
-Someone might choose a low code tool like Power BI for its ease of use and quick chart creation, which is ideal for users who need to resolve business problems with basic charts without the need for extensive customization.
How does the transcript suggest one should approach the choice between low code tools and programming for data visualization?
-The transcript suggests that the choice between low code tools and programming for data visualization should be based on individual needs, with low code tools being suitable for quick, basic chart creation and programming being more appropriate for complex, customized visualizations within a data analysis project.
Outlines
📊 Introduction to Data Visualization Libraries in Python
This paragraph introduces the topic of the chapter, which is about data visualization using Netpoint and Plotly libraries in Python. The speaker discusses the benefits of programming graphs in Python over using tools like Power BI or Tableau, emphasizing the need for customization and flexibility. The comparison is made between low-code tools, which are easy to use but offer limited flexibility, and programming libraries that allow for extensive customization. The speaker also mentions that they will provide a detailed discussion on why programming graphs in Python is valuable, especially for those who require specific customizations that cannot be achieved with proprietary tools.
🔧 The Advantages of Programming Graphs in Python
The second paragraph delves into the practical advantages of using Python for data visualization. The speaker explains that while tools like Power BI and Tableau are excellent for quickly creating basic graphs, they lack the flexibility needed for more complex or customized visualizations. The paragraph highlights the importance of being able to work within a single environment, such as Jupyter Notebook, for data analysis and visualization. It also touches on the limitations of proprietary tools, which do not allow access to the source code, thus restricting the ability to make significant customizations. The speaker concludes by encouraging the audience to learn programming for graphs in Python, as it offers a comprehensive environment for data analysis and visualization without the need to switch between different tools.
Mindmap
Keywords
💡Data Visualization
💡Netpoint
💡Lib
💡Python
💡Low-code Tools
💡Power BI
💡Tableau
💡Customization
💡ggplot2
💡Proprietary Tools
💡Data Analysis
Highlights
The chapter aims to introduce data visualization with Netpoint and Lib that Ciborne, two excellent libraries for creating charts in Python.
Netpoint and Lib that Ciborne require programming to build charts.
Why program charts in Python when tools like Power BI or Tableau exist?
Low-code tools like Power BI and Tableau offer quick chart creation but limited flexibility.
Power BI and Tableau are proprietary tools with no access to the source code for customization.
Python and R offer free and fully customizable libraries like ggplot2 for high-quality statistical charts.
ggplot2 allows for extensive customization and high-resolution statistical graphics.
Python and R are widely used in data science, providing a complete environment for data analysis including chart creation.
It's efficient to create charts within the same environment used for data analysis, such as Jupyter Notebook.
Programming charts in Python is beneficial for in-depth data analysis within a single workflow.
Customization is key when creating specific charts for data analysis projects.
Low-code tools are suitable for quick, basic chart creation without extensive programming.
For in-depth projects requiring specific chart customization, programming is more effective than using low-code tools.
The chapter will cover programming charts using Netpoint, Lib, and Ciborne in Python.
The choice between low-code tools and programming depends on the needs and the specific requirements of the project.
Each tool has its advantages and disadvantages, and the decision should be made based on the project's requirements.
The chapter will provide practical examples of creating charts programmatically with Netpoint, Lib, and Ciborne.
Transcripts
[Música]
o objetivo deste Capítulo é trazer para
você visualização de dados com Netpoint
Lib que Ciborne que são duas excelentes
bibliotecas para construção de gráficos
em linguagem Impacto mas para usar o
Netpoint libido ciborn nós temos que
programar ou seja construir os gráficos
via programação de computadores
exatamente que eu vou mostrar inclusive
ao longo deste Capítulo mas naturalmente
surge a pergunta por que criar gráficos
via programação em Python se podemos
usar ferramentas como powerby Pablo ou
Lucas Studio que antes chamava Google
deita Studio essa é uma boa pergunta eu
acho que vale a pena discutir um pouco
sobre isso vou trazer aqui um ponto de
vista para você para que você entenda um
pouco a razão de realmente programar
gráficos usando linguagem impacta vamos
lá um ferramentas code como Power
estúdio são ótimas alternativas para
criar gráficos básicos rapidamente mas
oferecem pouca flexibilidade se você
nunca ouviu falar no termo louco de
fazer uma tradução livre para o
português Seria algo como pouco código
ou seja são ferramentas que não requerem
um grande esforço de programação de fato
você consegue criar gráficos com alguns
poucos cliques talvez em segundos eu
ensino as três ferramentas aqui na dsa
tem um curso gratuito de Power by você
encontra aqui mesmo em nosso portal e
tem ainda mais dois cursos de powerbiais
um na formação analista de dados E aí no
curso avançado tablou ensinado na
formação cientista de dados e o lucro
era estúdio é um módulo bônus do
primeiro custo da formação na lista de
dados eu conheço bem as ferramentas e
posso dizer para você são ferramentas
excepcionais excelentes desde que o seu
objetivo seja construir gráficos básicos
rapidamente
esse seu objetivo tá ótimo use as
ferramentas Resolva o seu problema de
negócio e siga em frente se por outro
lado você tiver que customizar a
construção do gráfico precisar de um
pouco de flexibilidade tem um item
específico que você precisa colocar no
gráfico essas ferramentas talvez não
ofereçam essa possibilidade 2 por
Studio são ferramentas proprietárias e
não é possível modificar o padrão que
eles oferecem essas ferramentas são
todas proprietárias Então você não tem
acesso ao código fonte você não consegue
modificar a ferramenta não dá para mudar
o padrão que eles oferecem então a
equipe que desenvolve o Power Eles
colocaram lá aqueles gráficos que eles
acham que são interessantes ponto final
é possível até você conseguir gráficos
customizados conforme mas tem que fazer
sabe o quê programar isso mesmo Tem que
programar usando a linguagem de
programação específica para construir
gráficos cu por exemplo
ainda assim você pode trabalhar com a
versão básica totalmente gratuita com a
Power vier desktop que eu ensino no
curso gratuito aqui na dsa mas você não
tem acesso ao código fonte não dá para
modificar o produto não dá para
customizar por conta do fato de serem
ferramentas proprietárias 3 soluções ou
pensor se como Bad Pot livre vamos
estudar agora com linguagem Python e o
gglot 2 que é uma excelente biblioteca
visual para linguagem R São gratuitas e
totalmente customizáveis e flexíveis eu
ensino sobre o plot 2 no primeiro custo
da formação cientista de dados uma
biblioteca incrível que permite criar
gráficos estatísticos de altíssima
qualidade com o nível de customização
que você não encontra nem no Netflix
é totalmente gratuita ou pensar se você
pode modificar o código fonte pode
customizar o gráfico da forma que você
quiser você tem uma flexibilidade como é
que pode também você cria excelentes
gráficos de alta qualidade com alta
resolução gráficos estatísticos gráficos
mais genéricos e se precisar ainda pode
modificar o código fonte por exemplo até
mesmo incluindo por exemplo essas
ferramentas em soluções comerciais que
você pode vender como aplicação
analítica uma aplicação preditiva
consciência de dados Machine e assim por
diante quatro linguagens Python e r são
amplamente usadas em ciência de dados e
oferece um ambiente completo incluindo a
criação de gráficos Imagine que você
começou um projeto de análise de dados
Ok carregou os dados usando linguagem
parto notebook por exemplo começou a
explorar os dados começou a manipular
fez limpeza dos dados para processamento
E aí você quer olhar para os dados de
forma visual rapidamente só que ele é um
gráfico para ver se organização que você
fez está de acordo ou não o que que você
vai fazer você vai saindo junto notebook
vai levar os dados para essa ferramenta
só para criar um gráfico porque não
criar o gráfico durante o seu processo
de análise no próprio ambiente de
trabalho por exemplo junto notebook faz
sentido para você por isso que é
importante aprender a programação de
gráficos em Python Porque durante o seu
processo de análise você vai estar ali
no meio de um trabalho de uma atividade
não faz sentido sair daquele ambiente só
para ir para outra ferramenta criar o
gráfico depois voltar você pode fazer
tudo isso em um único ambiente por
exemplo usar na linguagem Python até
mesmo linguagem r o fato é toda e
qualquer ferramenta na terra tem
vantagens e desvantagens Ok Cabe a você
escolher de acordo com as suas
necessidades você quer criar um gráfico
rápido porém será um pouco mais básico
isso atende o que você precisa utilize
ferramentas locode economizar tempo
rapidamente você cria o gráfico
resolvido o problema por outro lado está
no meio de um projeto Tem que criar um
gráfico para poder analisar ali uma
atividade que você fez nos dados você
pode naquele momento construir um
gráfico que nem vai requerer assim tanta
programação dá para criar gráficos com
uma linha de código se por acaso você
precisa customizar um gráfico colocá-lo
de maneira bem específica para suas
necessidades programar faz mais sentido
que usar uma ferramenta low code como
qualquer coisa na vida tem vantagens e
desvantagens ao longo deste Capítulo vou
trazer para você a construção de
gráficos via programação usando Netpoint
Lib e Ciborne na linguagem Python e já
vamos começar Me acompanhe no próximo
vídeo até lá
Browse More Related Video
How to ACTUALLY become a data analyst? | Data Analyst Roadmap 2024
O Que é e Como Criar Gráfico de Barras com Matplotlib em Python?
Data Analytics - The 9 Essential Tools! (2024)
TCS Power BI Interview Questions and Answers | MUST Watch 😲
Power BI Tutorial for Beginners
AI Programming in 2023: Which Language Should You Choose?
5.0 / 5 (0 votes)