Turma Online On35 | Semana 12 | 2024 | Professora Daviny Letícia
Antes de começar, vamos organizar nosso setup.
- Fork esse repositório
- Clone o fork na sua máquina (Para isso basta abrir o seu terminal e digitar
git clone url-do-seu-repositorio-forkado) - Entre na pasta do seu repositório (Para isso basta abrir o seu terminal e digitar
cd nome-do-seu-repositorio-forkado) - [Add outras intrucoes caso necessario]
O que veremos na aula de hoje?
Pensamento analítico é a habilidade de decompor problemas complexos em partes menores e manejáveis. Na análise de dados, isso significa identificar as perguntas certas que precisamos responder e entender como os dados podem ajudar a resolver essas questões.
Imagine que você trabalha no setor de vendas de uma empresa e quer entender quais produtos são mais populares em diferentes regiões. O primeiro passo é identificar as variáveis (produto, região, quantidade vendida) e como elas se relacionam.
A visualização de dados é uma ferramenta poderosa para comunicar informações de maneira clara e impactante. Utilizaremos bibliotecas como Matplotlib e Seaborn para criar visualizações.
Vamos criar um DataFrame com dados fictícios de vendas:
import pandas as pd
# Criando o DataFrame
dados_vendas = {
'Produto': ['Produto A', 'Produto B', 'Produto C', 'Produto A', 'Produto B'],
'Região': ['Norte', 'Sul', 'Norte', 'Sul', 'Norte'],
'Quantidade': [150, 200, 300, 120, 100],
'Receita': [4500, 6000, 9000, 3600, 3000]
}
df_vendas = pd.DataFrame(dados_vendas)
print(df_vendas)Saída esperada:
| Produto | Região | Quantidade | Receita |
|---|---|---|---|
| Produto A | Norte | 150 | 4500 |
| Produto B | Sul | 200 | 6000 |
| Produto C | Norte | 300 | 9000 |
| Produto A | Sul | 120 | 3600 |
| Produto B | Norte | 100 | 3000 |
Agora, vamos visualizar esses dados:
import matplotlib.pyplot as plt
import seaborn as sns
# Gráfico de dispersão para Quantidade vs Receita
sns.scatterplot(x='Quantidade', y='Receita', data=df_vendas)
plt.title('Quantidade vs Receita por Produto')
plt.show()Com o Pandas, podemos realizar consultas e filtros para extrair informações específicas dos nossos dados.
Vamos filtrar o DataFrame df_vendas para mostrar apenas as vendas do "Produto A":
filtro_produto_a = df_vendas[df_vendas['Produto'] == 'Produto A']
print(filtro_produto_a)Saída esperada:
| Produto | Região | Quantidade | Receita |
|---|---|---|---|
| Produto A | Norte | 150 | 4500 |
| Produto A | Sul | 120 | 3600 |
O agrupamento e a agregação nos permitem resumir e calcular estatísticas sobre os nossos dados.
Vamos agrupar os dados por Produto e calcular a média de Quantidade e Receita:
agrupado = df_vendas.groupby('Produto').mean()
print(agrupado)Saída esperada:
| Produto | Quantidade | Receita |
|---|---|---|
| Produto A | 135.0 | 4050.0 |
| Produto B | 150.0 | 4500.0 |
| Produto C | 300.0 | 9000.0 |
Além das funções de visualização do Matplotlib e Seaborn, o Pandas também permite criar gráficos diretamente dos DataFrames.
Vamos criar um gráfico de barras para a média de Receita por Produto:
agrupado['Receita'].plot(kind='bar')
plt.title('Média de Receita por Produto')
plt.ylabel('Receita Média')
plt.show()NumPy é uma biblioteca poderosa para operações numéricas. Podemos combinar o uso de Pandas com NumPy para realizar cálculos mais avançados.
Vamos calcular a raiz quadrada da Receita utilizando o NumPy:
import numpy as np
df_vendas['Raiz_Receita'] = np.sqrt(df_vendas['Receita'])
print(df_vendas)Saída esperada:
| Produto | Região | Quantidade | Receita | Raiz_Receita |
|---|---|---|---|---|
| Produto A | Norte | 150 | 4500 | 67.08 |
| Produto B | Sul | 200 | 6000 | 77.46 |
| Produto C | Norte | 300 | 9000 | 94.87 |
| Produto A | Sul | 120 | 3600 | 60.00 |
| Produto B | Norte | 100 | 3000 | 54.77 |
Desenvolvido com 💜