Skip to content

Latest commit

 

History

History
76 lines (45 loc) · 8.49 KB

Projeto3.md

File metadata and controls

76 lines (45 loc) · 8.49 KB
Raw

Projeto 3 - Visualização e animação de dados

Neste terceiro projeto vamos investigar as bibliotecas base de visualização de dados em Python de uma perspetiva prática, e aplicá-las para gerar gráficos e mapas a partir de dados previamente processados.

Aceda aos ficheiros do Projeto 3, onde deve preencher as suas soluções num ficheiro projeto3.py:

  • Fazendo login no replit com a conta Google UP (upXXXXX@g.uporto.pt), acendendo à Team prog2bio2324 e iniciando o Projeto3.
  • Pode consultar os ficheiros individuais na pasta projeto3 e fazer download dos mesmos para desenvolver o projeto no seu computador e utilizando um IDE à sua escolha.
  • Pode fazer download de todo o projeto como um arquivo zip aqui.
  • Se o link anterior não funcionar, pode fazer download de todo o repositório git como um arquivo zip aqui.

Tarefa 1 (Gráficos)

Fractais são uma classe de formas geométricas que se repetem recursivamente muito explorada em matemática, e com várias aplicações noutras áreas como biologia para explicar o crescimento de células, de plantas ou até a formação de cadeias de DNA.

Vamos explorar uma sub-classe de fractais conhecida como L-systems. Um L-system pode ser definido por uma string inicial, chamada axioma, e um conjunto de regras de re-escrita, que podem ser aplicadas um número $n$ de vezes ao axioma. A linguagem que define um L-system pode ser interpretada como um conjunto de instruções dadas a uma tartaruga (relembre o módulo turtle) para desenhar o fractal. Mais detalhes da linguagem aqui. Como exemplo, considere o L-system de uma árvore dado pelo axioma F e pelas regra F $\rightarrow$ F[-F]F[+F][F]. Para um ângulo inicial de $90º$ e rotações de $30º$, o desenho da árvore será o seguinte, para um número $n$ de níveis:

  1. Complete a função expandeLSystem que expande um L-system um número $n$ de vezes. Note que esta expansão é independente da linguagem em causa.
  2. Complete a função desenhaLSystem que desenha um L-system utilizando o matplotlib. Para isso, deve utilizar a função dada desenhaTurtle que recebe uma string e retorna uma lista de segmentos de reta (sendo cada segmento de reta uma lista de pontos) correspondente desenho do fractal.

Para obter nota máxima nesta tarefa, o gráfico deve conter alguns extras em termos de formatação, ao critério dos alunos. Como sugestões, podem por exemplo:

  • Desenhar simultaneamente os vários passos de crescimento do fractal com uma formatação diferente (cor, grossura, etc).
  • Desenhar linhas ou controlar eixos para indicar o crescimento do fractal a cada nível.
  • Acrescentar informação explicativa numa legenda.

Tarefa 2 (Gráficos Dinâmicos)

Considere o dataset de reciclagem nos vários países da União Europeia, publicado em kg/habitante separadamente por resíduos de packaging ou municipal e disponível localmente nos ficheiros env_waspac.tsv e env_wasmun.tsv, respetivamente.

  1. Complete a definição da função desenhaReciclagemPaisIndice que recebe um objeto Axes matplotlib e o nome de um país, e desenha um gráfico nesse Axes com a evolução anual do índice (packaging, municipal ou total combinado) de reciclagem desse país (um país da UE ou a totalidade dos 27). Lide como entender com dados em falta.
  2. Complete a definição da função desenhaReciclagem que cria um gráfico dinâmico de reciclagem na UE. Utilize botões interativos matplotlib para selecionar quer o país, quer o tipo de reciclagem (packaging, municipal ou total combinado). Deve desenhar dinamicamente um gráfico para a seleção escolhida.

Para obter nota máxima nesta tarefa, o gráfico deve conter alguns extras em termos de formatação, ao critério dos alunos. Como sugestões, podem por exemplo:

  • Desenhar cada série num formato diferente, utilizando por exemplo diferentes curvas/barras/áreas, cores, marcadores, etc.
  • Conter uma legenda e/ou labels explicativas das séries e dos eixos em questão.

Tarefa 3 (Mapas)

Esta tarefa é inspirada neste visualizador de dados do Airbnb, em particular para a área urbana do Porto. Observe os seguintes ficheiros:

  • listings.csv, que contém uma listagem dos alojamentos registados e um sumário da sua descrição;
  • neighbourhoods.geojson, que contém a delimitação geográfica das várias zonas que constituem a área urbana do Porto.

Utilizando o matplotlib e o contextily, desenhe mapas para as seguintes funções:

  1. Complete a definição da função desenhaZonas que desenha no mapa as várias zonas (coluna neighbourhood), com cor proporcional ao número total de reviews (coluna number_of_reviews) por zona. Sugestão: Junte primeiro os dados dos dois ficheiros num só GeoDataFrame.
  2. Complete a definição da função desenhaAlojamentos, que desenha no mapa dos alojamentos disponíveis na cidade do Porto (coluna neighbourhood_group igual a PORTO). Cada alojamento deve ter um formato de acordo com o seu tipo (coluna room_type), tamanho proporcional à disponibilidade (coluna availability_365) e cor proporcional ao preço (coluna price).
  3. Complete a definição da função desenhaTop que desenha no mapa a localização e o nome do alojamento (coluna host_name) mais central do anfitrião com mais alojamentos registados. Para isso deve considerar que o centro do Porto tem coordenadas GPS de longitude $-8.6308$ e latitude $41.1647$. Nota: Pode usar o método distance para calcular a distância de um GeoDataFrame a um ponto.

Tarefa 4 (Grafos)

Esta tarefa pretende visualizar um tipo de relações comuns para analisar a biodiversidade de ecosistemas, conhecidas como food webs, ou trophic networks. Considere o ficheiro bay.csv, que modela uma matriz de transferência de biomassa entre diversas espécies/organismos num ecosistema marítimo. A intuição é que a matriz modela uma cadeia alimentar, em que haverá maior transferência de biomassa de presas para predadores. Uma forma clássica de visualizar a matriz é convertê-la num mapa de cores, como em baixo:

Utilizando o networkx, desenhe um mapa circular de acordo com os seguintes passos:

  1. Inspecione o DataFrame bay que reproduz a informação sobre o ecosistema. Cada linha corresponde a uma espécie/organismo, em que cada coluna define a quantidade de biomassa transferida para uma outra espécie/organismo. Cada linha contém também uma última coluna com o trophic level, ou seja, a posição que essa espécie ocupa na cadeia alimentar.

  2. Complete a definição da função constroiEcosistema que retorna um grafo direcionado correspondente. Cada espécie/organismo deve ser um nodo, com um atributo level que inclui o seu trophic level, e cada transferência de biomassa (não nula) deve dar lugar a uma aresta direcionada, com um atributo transfer que inclui a quantidade de biomassa transferida.

  3. Complete a definição da função desenhaEcosistema, que desenha o grafo construído pela função anterior. Configure a formatação a seu gosto, respeitando a seguintes indicações:

    • O layout deve refletir o trophic level de cada nodo.
    • O desenho de cada nodo deve incluir alguma referência ao seu nome.
    • O desenho de cada aresta (cor, espessura, etc) deve refletir a quantidade de biomassa transferida.
    • Note que o colormap desenhado em cima assume uma escala logarítmica, porque as diferenças entre os vários nívels de transferência de biomassa são bastante grandes e uma escala linear torna difícil diferenciar os valores intermédios dos valores extremos. Deve ter isso em consideração na sua visualização.