DATAVALUE
OFICINA DE ANÁLISE DE DADOS
SUMÁRIO
● Datavalue
● Tipos de variáveis
● O que é o Python
● Google Colab
● Bibliotecas
● Importação da base de dados
● Medidas descritivas
● Gráficos
DATAVALUE
Apresenta uma abordagem focada na Análise de variáveis Quantitativas.
Variáveis
Definida como característica de interesse,
as variáveis são divididas em duas
categorias: qualitativa e quantitativa. As
qualitativas (ou categóricas) têm por
função, expressar qualidades ou
classificação, já as quantitativas,
apresentam valores numéricos, ou seja,
apresenta uma escala que exprime
quantidade.
Classifique as Variáveis
Quantas horas
gasta com redes
sociais
Time que torce
Número de irmãos
Tipo de música favorita
Altura
INTRODUÇÃO A LÓGICA
DE PROGRAMAÇÃO COM O PYTHON
O QUE É O PYTHON?
O Python é uma linguagem de programação amplamente usada em
aplicações da Web, desenvolvimento de software, ciência de dados e
machine learning (ML).
As principais áreas de aplicação dessa linguagens são:
●Desenvolvimento Web;
●Ciência de dados;
●Análise de dados;
●Automação;
●Machine Learning e muito mais.
POR QUE O PYTHON?
● O Python é utilizada por grandes empresas e é considerada uma
boa opção para iniciantes.
● Python é uma linguagem de programação popular e versátil que
pode ser usada em diversos campos, como ciência de dados,
desenvolvimento web e automação.
Lógica de Programação
A lógica de programação é a forma de pensar e resolver problemas
utilizando uma sequência lógica de comandos e instruções.
Por meio das instruções e comandos, podemos organizar nossos
pensamentos de forma estruturada, identificando o problema,
dividindo-o em partes menores e encontrando a melhor solução.
O QUE É ALGORITMO?
Um algoritmo representa uma sequência finita de passos lógicos
projetada para resolver um problema ou executar uma tarefa
específica.
Ou seja, é um conjunto de instruções detalhadas que orientam a
solução de um problema dado.
Alguns exemplos de lógica no nosso dia a dia
Ao enfrentar um problema cotidiano, como trocar uma lâmpada,
preparar uma receita ou decidir qual caminho tomar para chegar a um
destino, utilizamos a lógica de programação.
Antes de buscar uma solução, identificamos e analisamos o problema,
dividindo-o em partes menores para facilitar a resolução.
Pratique o exemplo adiante:
● Como comer uma bala?
1- Pegue uma bala
2- Retire a embalagem
3- Coloque a bala na boca
4- Jogue a embalagem no lixo
��
��
ACESSAR O SOFTWARE PYTHON
ONLINE POR MEIO DO GOOGLE
COOLAB
Como Acessar o Python Online?
Para acessar o Python online devemos acessar o Google Colab .
Criando uma “Notebook” no Google Colab
Já logado com seu email Google, na barra de pesquisa do seu navegador digite “[Link]” onde voê será
redirecionado para a página do Google Colab no qual a imagem abaixo representa e para criar um “notebook”
no canto superior direito clicamos em “ New Notebook” para criar um ambiente Python.
A Interface do Python no Google Colab
Linha de código
Arquivos
��
��
APLICAÇÕES NO PYTHON
Informações Importantes
: Executa a(s) linha(s) selecionada(s) no script.
Ponto, vírgula e underline: Ponto é separador decimal (0.05).
Não usar vírgula (0,05). Ponto e underline substituem espaços.
: Comentários no código.
Maiúsculas/Minúsculas: Letras são diferenciadas (T ≠ t).
Parênteses, colchetes, chaves: Parênteses agrupam objetos em
funções, chaves agrupam funções, colchetes organizam objetos.
: Janela com todos os atalhos disponíveis.
Base de dados
Um conjunto ou base de dados é uma lista de informações
relacionadas, em que nas linhas estão os registros e as colunas
são as características dos registros (variáveis).
Primeira linha= Rótulos
Base de Dados
Colunas
Upload da Base de Dados - Opção 1
PRIMEIRO PASSO: SEGUNDO PASSO:
Primeiro temos que já ter a base de
Depois de clicamos para fazer o upload,
dados baixada no computador, e assim
podemos escolher nossa base de dados
podemos seguir pedindo para o
no qual iremos utilizar.
Python fazer upload.
Upload da Base de Dados - Opção 2
PRIMEIRO PASSO: SEGUNDO PASSO:
Podemos também fazer com que o Colab
Ao acessar seu Drive será possível observar
crie uma pasta no seu Google Drive,
que foi criado uma pasta “Colab Notebooks”
“montando o Drive” faz com que o colab
no qual é utilizado para salvar seus
acesse seus arquivos existente no seu
“notebooks” mas também será onde vamos
Drive.
importar nossas bases de dados.
Biblioteca
Uma biblioteca é um conjunto de
funções que têm como objetivo resolver
um problema específico. São eles que
deixam o Python poderoso, capaz de
enfrentar qualquer tarefa de análise de
dados. Assim, fique bastante à vontade
para instalar e atualizar muitos e muitas
bibliotecas ao longo da sua experiência
com o Python.
Pandas
Em programação de computadores,
pandas é uma biblioteca de software
criada para a linguagem Python para
manipulação e análise de dados. Em
particular, oferece estruturas e
operações para manipular tabelas
numéricas e séries temporais.
Numpy
O Numpy é a ferramenta essencial
para trabalhar com números em
Python. Ele simplifica operações
complexas, torna seu código mais
eficiente e abre portas para o mundo
da ciência de dados e inteligência
artificial!
Seaborn
Seaborn é uma biblioteca do
Python que permite a visualização
de dados estatísticos. Ela é baseada
no Matplotlib, mas oferece uma
interface mais elaborada para criar
gráficos. O Seaborn é uma
ferramenta que simplifica a
construção de gráficos, permitindo
que o usuário se concentre na
análise de dados, em vez de se
preocupar com detalhes visuais.
Matplotlib
Matplotlib é uma biblioteca de
software para criação de gráficos e
visualizações de dados em geral,
feita para e da linguagem de
programação Python e sua extensão
de matemática NumPy.
Importando Base de Dados
Importando Base de Dados
Classificação das variáveis e Base de Dados
Medidas Descritivas
O que são medidas descritivas?
Medidas descritivas são valores numéricos que resumem os
dados de uma variável quantitativa.
Vamos aprender como obter algumas medidas descritivas: média
aritmética, mediana, desvio-padrão e amplitude.
Média
A média aritmética é uma das medidas de centralidade. Ela resulta da
divisão entre a soma de uma lista números e a quantidade de números
somados.
Cálculo da média do
Faturamento anual
em 98 das empresas.
Média
O comando .round( ) tem como objetivo arredondar para o inteiro
mais próximo ou para uma casa decimal definida.
Cálculo da média do
Faturamento anual
em 98 das empresas.
Mediana
A Mediana representa o valor central de um conjunto de dados
em ordem crescente ou decrescente.
Cálculo da mediana
do faturamento anual
de empresa.
Desvio Padrão
Medida de dispersão do conjunto de valores, ou seja, uma
medida que indica o grau de variabilidade do conjunto de dados.
Cálculo do desvio
padrão do
faturamento anual de
empresa.
Máximo e Mínimo
Valor máximo e mínimo do conjunto de dados.
Cálculo do valor
máximo e mínimo do
faturamento anual de
empresa.
Amplitude Total
Medida de dispersão definida como a diferença entre o valor maior e o
valor menor de um conjunto de valores observados.
Cálculo da amplitude
total do faturamento
anual de empresa.
Atividade com o banco de dados ‘Empresaʼ
1. Calcule os valores mínimo, máximo e média do número total de
empregados das empresas. Interprete os resultados.
2. Calcule a amplitude e o desvio padrão do número total de empregados
das empresas. Interprete os resultados.
Medidas descritivas
Quando usamos o comando .describe() no Python
com a biblioteca pandas, estamos pedindo para
ele resumir os dados numéricos de uma coluna.
É como dizer para o Python:
"Me diga as principais informações sobre esses
números!"
Esse resumo inclui:
● count → quantos valores tem
● mean → a média dos números
● std → o quanto os números variam (desvio padrão)
● min e max → o menor e o maior valor
● 25%, 50%, 75% → ajudam a entender como os
dados estão distribuídos
Medidas descritivas
Com esse código, criamos uma tabela
personalizada com as medidas
estatísticas mais importantes de uma
coluna de números.
É como dizer para o Python:
"Crie uma tabelinha com as
informações mais importantes desses
dados!"
Resultado das medidas descritivas da variável
“Faturamento Anual de 1999”.
Medidas descritivas
Usar as funções groupby() e agg() para agrupar e calcular as medidas descritivas da
variável ”Faturamento Anual de 1999”, agrupada pela variável ”Porte”
Resultado das medidas descritivas da variável
“Faturamento Anual de 1999” segundo “Porte”.
Atividade com o banco de dados ‘Empresaʼ
Calcule os valores mínimo, máximo e a média da variável número total
de empregados segundo a região que reside a empresa. Interprete os
resultados obtidos e diga se as medidas descritivas do número de
empregados são diferentes em cada região.
Gráficos
utilizados na
análise
quantitativa
Classificação das variáveis e Base de Dados
Funções sns
1. [Link]() - Histograma;
2. [Link]() - Boxplot;
3. [Link]/regplot() - Gráfico de Dispersão
Histograma
O histograma é um gráfico específico para variáveis quantitativas.
Título
Escala
Fonte
Fonte: Elaborado pelos autores
Construção do histograma
Construindo o histograma para o faturamento da empresa no ano de 1999.
Gráfico do histograma
Paleta de cores do Python
Construção do Boxplot
Construindo o boxplot para o faturamento da empresa no ano de 1999.
Gráfico Boxplot
Gráfico de dispersão
Avaliar se existe uma tendência linear entre duas variáveis
Construção do gráfico de dispersão
Usaremos duas variáveis quantitativas do banco “Empresa” para construir
o gráfico de dispersão.
Gráfico de dispersão
Construção do gráfico de dispersão
Usaremos duas variáveis quantitativas do banco “Empresa” para construir o
gráfico de dispersão
Gráfico de dispersão
Construção do gráfico de dispersão
Adicionar uma linha de tendência no gráfico
Gráfico de dispersão com linha de tendência
Construção do gráfico de dispersão
Com pontos separados segundo o porte da empresa
Gráfico de dispersão
Salvando a imagem dos gráficos criados
Atividade
Gráficos
utilizados na
análise
qualitativa
Tabela Título
Estrutura
Fonte
Título Gráfico de Colunas
Escala
Fonte
Legenda
Fonte: Matemática Mental
Gráfico de Barras
Gráfico de Setores (Pizza)
Fonte: ResearchGate
Tabelas e Gráficos
Tabela univariada
Podemos usar
value_counts() para
fazer uma tabela
univariada.
Essa função serve para
contar quantas vezes
cada categoria aparece
em uma coluna.
Tabela univariada
Tabela com duas variáveis
Importando biblioteca e construindo gráfico de barras
verticais
Gráfico de barras verticais estilizado
Gráfico Vertical Bivariado
Gráfico de barras horizontais
Gráfico de pizza ou de setores
Atividade
EXTRA
Cores do terminal
Cores do terminal