Exercício pandas

exercicios/para-casa/README.md

@@ -5,7 +5,7 @@ Agora que já sabem como fazer o processo de ETL com pandas, é hora de brincar
 O que preciso que faça:
 
 - Use o arquivo `mais_ouvidas_2024.csv` para análise. Lembre-se de garantir que o carregamento foi feito com sucesso.
-- Indentifique as colunas que contêm números, como 'Spotify Streams', 'YouTube Views', etc., e converta essas colunas para o tipo numérico se estiverem em outro formato. (Use replace() e astype())
+- Identifique as colunas que contêm números, como 'Spotify Streams', 'YouTube Views', etc., e converta essas colunas para o tipo numérico se estiverem em outro formato. (Use replace() e astype())
 - Corrija a coluna 'Release Date' para o formato datetime.
 - Crie uma nova coluna chamada 'Streaming Popularity', que seja a média da popularidade nas plataformas 'Spotify Popularity', 'YouTube Views', 'TikTok Likes', e 'Shazam Counts'. (lembrem-se que só é possível calcular médias e fazer operações matemáticas com tipos númericos)
 - Crie uma coluna 'Total Streams', somando os valores de 'Spotify Streams', 'YouTube Views', 'TikTok Views', 'Pandora Streams', e 'Soundcloud Streams'.

exercicios/para-casa/entrega_Lari_Schmillevitch.py

@@ -0,0 +1,33 @@
+import pandas as pd
+
+df = pd.read_csv("/Users/laristch/Desktop/reprograma/on33-python-s09-pandas-numpy-I/material/mais_ouvidas_2024.csv")
+
+print(df.head())
+
+# Identificar colunas que contêm números e converter para o tipo numérico
+for column in df.columns:
+    if df[column].dtype == "object":
+        df[column] = df[column].str.replace(",", "").astype(float, errors='ignore')
+print(df.dtypes)
+
+# Corrigir a coluna 'Release Date' para o formato datetime
+df['Release Date'] = pd.to_datetime(df['Release Date'], errors='coerce')
+print(df.dtypes)
+
+# Criar a coluna 'Streaming Popularity' (média das colunas de popularidade)
+df['Streaming Popularity'] = df[['Spotify Popularity', 'YouTube Views', 'TikTok Likes', 'Shazam Counts']].mean(axis=1)
+
+# Criar a coluna 'Total Streams' (soma das colunas de streams)
+df['Total Streams'] = df[['Spotify Streams', 'YouTube Views', 'TikTok Views', 'Pandora Streams', 'Soundcloud Streams']].sum(axis=1)
+
+# Filtrar as faixas conforme as condições
+filtered_df = df[(df['Spotify Popularity'] > 80) & (df['Total Streams'] > 1000000)]
+
+# Salvar o DataFrame resultante em um novo arquivo JSON
+filtered_df.to_json('faixas_filtradas.json', index=False)
+
+print(filtered_df.head())
+
+
+
+