Após seis meses de aprendizado intenso, eu e minha equipe concluímos o bootcamp de Data Analytics da WoMakersCode. Durante o curso, enfrentamos desafios individuais e em grupo, e, ao final, tivemos a oportunidade de aplicar as habilidades adquiridas em um desafio final, com o objetivo de integrar e colocar em prática os conhecimentos adquiridos ao longo da jornada.
Este notebook contém a análise de dados do dataset da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), focado na investigação dos preços do gás, diesel e outros combustíveis. Os dados são segmentados por regiões e estados de todo o Brasil.
Usamos diversas bibliotecas da linguagem Python, como Pandas, Numpy, Seaborn, Matplotlib, Scipy.stats e Statsmodels, para importar, limpar e normalizar os dados, explorar padrões comportamentais, responder a questões por meio de testes de hipótese e realizar previsões com séries temporais, entre outras análises.
Este trabalho foi desenvolvido por mim, Natália Tasso, em colaboração com a equipe, composta por Giovanna Tuchinski, Janaina Silva, Luana Lorhanni, Márcia Moura Magalhães e Rayssa Muniz.
Final project of the Data Analytics bootcamp at WoMakersCode, focused on analyzing fuel price data from the National Agency of Petroleum, Natural Gas, and Biofuels (ANP).
After six months of intense learning, my team and I completed the Data Analytics bootcamp at WoMakersCode. Throughout the course, we tackled both individual and group challenges, and in the end, we had the opportunity to apply the skills we acquired in a final project, aiming to integrate and put into practice the knowledge gained throughout the journey.
This notebook contains an analysis of the dataset from the National Agency of Petroleum, Natural Gas and Biofuels (ANP), focusing on investigating the prices of gas, diesel, and other fuels. The data is segmented by regions and states across Brazil.
We used several Python libraries, such as Pandas, Numpy, Seaborn, Matplotlib, Scipy.stats, and Statsmodels, to import, clean, and normalize the data, explore behavioral patterns, answer questions through hypothesis testing, and make forecasts using time series, among other analyses.
This work was developed by me, Natália Tasso, in collaboration with my team, which includes Giovanna Tuchinski, Janaina Silva, Luana Lorhanni, Márcia Moura Magalhães, and Rayssa Muniz.