├── .gitignore ├── 2120_0.xlsx ├── Introducao.ipynb ├── LICENSE ├── PDA_UNIDADES_RF_EPCT_CSV.csv ├── api_escola_inteligente.ipynb ├── api_partidos_camara_deputados.ipynb ├── aula3 └── 01_csv_senadores │ ├── 2018.csv │ └── reembolsos_senadores_2018.ipynb ├── csv_cirurgias.ipynb ├── csv_pronatec.ipynb ├── csv_prouni.ipynb ├── cursos-prouni.csv ├── excel_filmes_exibidos_brasil_2009_2017.ipynb ├── readme.md └── sih-janeiro-2017-cirurgias-eletiva-e-emergencia.csv /.gitignore: -------------------------------------------------------------------------------- 1 | # Byte-compiled / optimized / DLL files 2 | __pycache__/ 3 | *.py[cod] 4 | 5 | # C extensions 6 | *.so 7 | 8 | # Distribution / packaging 9 | .Python 10 | env/ 11 | build/ 12 | develop-eggs/ 13 | dist/ 14 | downloads/ 15 | eggs/ 16 | .eggs/ 17 | lib/ 18 | lib64/ 19 | parts/ 20 | sdist/ 21 | var/ 22 | *.egg-info/ 23 | .installed.cfg 24 | *.egg 25 | 26 | # PyInstaller 27 | # Usually these files are written by a python script from a template 28 | # before PyInstaller builds the exe, so as to inject date/other infos into it. 29 | *.manifest 30 | *.spec 31 | 32 | # Installer logs 33 | pip-log.txt 34 | pip-delete-this-directory.txt 35 | 36 | # Unit test / coverage reports 37 | htmlcov/ 38 | .tox/ 39 | .coverage 40 | .coverage.* 41 | .cache 42 | nosetests.xml 43 | coverage.xml 44 | *,cover 45 | 46 | # Translations 47 | *.mo 48 | *.pot 49 | 50 | # Django stuff: 51 | *.log 52 | 53 | # Sphinx documentation 54 | docs/_build/ 55 | 56 | # PyBuilder 57 | target/ 58 | 59 | # Emacs 60 | .#* 61 | 62 | # Notebook Checkpoints 63 | .ipynb_checkpoints/ 64 | -------------------------------------------------------------------------------- /2120_0.xlsx: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/rodolfoghi/curso-labhacker-analise-dados-com-python/7f499d981ab28532ef5e2fbde36ebbdb22990a6d/2120_0.xlsx -------------------------------------------------------------------------------- /Introducao.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "metadata": {}, 7 | "outputs": [ 8 | { 9 | "data": { 10 | "text/plain": [ 11 | "15" 12 | ] 13 | }, 14 | "execution_count": 1, 15 | "metadata": {}, 16 | "output_type": "execute_result" 17 | } 18 | ], 19 | "source": [ 20 | "10 + 5" 21 | ] 22 | }, 23 | { 24 | "cell_type": "code", 25 | "execution_count": null, 26 | "metadata": {}, 27 | "outputs": [], 28 | "source": [] 29 | } 30 | ], 31 | "metadata": { 32 | "kernelspec": { 33 | "display_name": "Python 3", 34 | "language": "python", 35 | "name": "python3" 36 | }, 37 | "language_info": { 38 | "codemirror_mode": { 39 | "name": "ipython", 40 | "version": 3 41 | }, 42 | "file_extension": ".py", 43 | "mimetype": "text/x-python", 44 | "name": "python", 45 | "nbconvert_exporter": "python", 46 | "pygments_lexer": "ipython3", 47 | "version": "3.7.1" 48 | } 49 | }, 50 | "nbformat": 4, 51 | "nbformat_minor": 2 52 | } 53 | -------------------------------------------------------------------------------- /LICENSE: -------------------------------------------------------------------------------- 1 | MIT License 2 | 3 | Copyright (c) 2018 Rodolfo Ghiggi 4 | 5 | Permission is hereby granted, free of charge, to any person obtaining a copy 6 | of this software and associated documentation files (the "Software"), to deal 7 | in the Software without restriction, including without limitation the rights 8 | to use, copy, modify, merge, publish, distribute, sublicense, and/or sell 9 | copies of the Software, and to permit persons to whom the Software is 10 | furnished to do so, subject to the following conditions: 11 | 12 | The above copyright notice and this permission notice shall be included in all 13 | copies or substantial portions of the Software. 14 | 15 | THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR 16 | IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, 17 | FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE 18 | AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER 19 | LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, 20 | OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE 21 | SOFTWARE. 22 | -------------------------------------------------------------------------------- /PDA_UNIDADES_RF_EPCT_CSV.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/rodolfoghi/curso-labhacker-analise-dados-com-python/7f499d981ab28532ef5e2fbde36ebbdb22990a6d/PDA_UNIDADES_RF_EPCT_CSV.csv -------------------------------------------------------------------------------- /api_escola_inteligente.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "markdown", 5 | "metadata": {}, 6 | "source": [ 7 | "# Anáilse dos dados do site escola inteligente\n", 8 | "São dados do INEP disponibilizados por meio de API\n", 9 | "\n", 10 | "Link -> http://educacao.dadosabertosbr.com/api/escolas/buscaavancada?situacaoFuncionamento=1&energiaInexistente=on&aguaInexistente=on&esgotoInexistente=on&cozinha=on" 11 | ] 12 | }, 13 | { 14 | "cell_type": "code", 15 | "execution_count": 3, 16 | "metadata": {}, 17 | "outputs": [ 18 | { 19 | "data": { 20 | "text/html": [ 21 | "
\n", 22 | "\n", 35 | "\n", 36 | " \n", 37 | " \n", 38 | " \n", 39 | " \n", 40 | " \n", 41 | " \n", 42 | " \n", 43 | " \n", 44 | " \n", 45 | " \n", 46 | " \n", 47 | " \n", 48 | " \n", 49 | " \n", 50 | " \n", 51 | " \n", 52 | " \n", 53 | " \n", 54 | " \n", 55 | " \n", 56 | " \n", 57 | " \n", 58 | " \n", 59 | " \n", 60 | " \n", 61 | " \n", 62 | " \n", 63 | " \n", 64 | " \n", 65 | " \n", 66 | " \n", 67 | " \n", 68 | " \n", 69 | " \n", 70 | " \n", 71 | " \n", 72 | " \n", 73 | " \n", 74 | " \n", 75 | " \n", 76 | " \n", 77 | " \n", 78 | " \n", 79 | " \n", 80 | " \n", 81 | " \n", 82 | " \n", 83 | " \n", 84 | " \n", 85 | " \n", 86 | " \n", 87 | " \n", 88 | " \n", 89 | " \n", 90 | " \n", 91 | " \n", 92 | " \n", 93 | " \n", 94 | " \n", 95 | " \n", 96 | " \n", 97 | " \n", 98 | " \n", 99 | " \n", 100 | " \n", 101 | " \n", 102 | " \n", 103 | " \n", 104 | " \n", 105 | " \n", 106 | " \n", 107 | " \n", 108 | " \n", 109 | " \n", 110 | " \n", 111 | " \n", 112 | " \n", 113 | " \n", 114 | " \n", 115 | " \n", 116 | " \n", 117 | " \n", 118 | " \n", 119 | " \n", 120 | " \n", 121 | " \n", 122 | " \n", 123 | " \n", 124 | " \n", 125 | " \n", 126 | " \n", 127 | " \n", 128 | " \n", 129 | " \n", 130 | " \n", 131 | " \n", 132 | " \n", 133 | " \n", 134 | " \n", 135 | " \n", 136 | " \n", 137 | " \n", 138 | " \n", 139 | " \n", 140 | " \n", 141 | " \n", 142 | "
anoCensocidadecodcodCidadedependenciaAdministrativadependenciaAdministrativaTxtenemMediaGeralestadoidebAFidebAInomeregiaosituacaoFuncionamentosituacaoFuncionamentoTxt
02013CANDIDO DE ABREU4103602641044023Municipal0.0PR0.00.0BAIRRO DOS MENDES E R M EFSul1Em atividade
12013MONTE ALEGRE1500825815048023Municipal0.0PA0.00.0E M E F AGUA AZULNorte1Em atividade
22013PLACAS1553434015056503Municipal0.0PA0.00.0E M E F AGUA BOANorte1Em atividade
32013NOVO REPARTIMENTO1552582115050643Municipal0.0PA0.00.0E M E F AMAZONIANorte1Em atividade
42013AFUA1502279015003053Municipal0.0PA0.00.0E M E F AMELIA HOLANDANorte1Em atividade
\n", 143 | "
" 144 | ], 145 | "text/plain": [ 146 | " anoCenso cidade cod codCidade \\\n", 147 | "0 2013 CANDIDO DE ABREU 41036026 4104402 \n", 148 | "1 2013 MONTE ALEGRE 15008258 1504802 \n", 149 | "2 2013 PLACAS 15534340 1505650 \n", 150 | "3 2013 NOVO REPARTIMENTO 15525821 1505064 \n", 151 | "4 2013 AFUA 15022790 1500305 \n", 152 | "\n", 153 | " dependenciaAdministrativa dependenciaAdministrativaTxt enemMediaGeral \\\n", 154 | "0 3 Municipal 0.0 \n", 155 | "1 3 Municipal 0.0 \n", 156 | "2 3 Municipal 0.0 \n", 157 | "3 3 Municipal 0.0 \n", 158 | "4 3 Municipal 0.0 \n", 159 | "\n", 160 | " estado idebAF idebAI nome regiao \\\n", 161 | "0 PR 0.0 0.0 BAIRRO DOS MENDES E R M EF Sul \n", 162 | "1 PA 0.0 0.0 E M E F AGUA AZUL Norte \n", 163 | "2 PA 0.0 0.0 E M E F AGUA BOA Norte \n", 164 | "3 PA 0.0 0.0 E M E F AMAZONIA Norte \n", 165 | "4 PA 0.0 0.0 E M E F AMELIA HOLANDA Norte \n", 166 | "\n", 167 | " situacaoFuncionamento situacaoFuncionamentoTxt \n", 168 | "0 1 Em atividade \n", 169 | "1 1 Em atividade \n", 170 | "2 1 Em atividade \n", 171 | "3 1 Em atividade \n", 172 | "4 1 Em atividade " 173 | ] 174 | }, 175 | "execution_count": 3, 176 | "metadata": {}, 177 | "output_type": "execute_result" 178 | } 179 | ], 180 | "source": [ 181 | "# Importando as bibliotecas\n", 182 | "import pandas as pd\n", 183 | "import requests\n", 184 | "\n", 185 | "# URL de acesso a API\n", 186 | "url = 'http://educacao.dadosabertosbr.com/api/escolas/buscaavancada?situacaoFuncionamento=1&energiaInexistente=on&aguaInexistente=on&esgotoInexistente=on&cozinha=on'\n", 187 | "\n", 188 | "# Requisitando os dados da API\n", 189 | "resposta = requests.get(url)\n", 190 | "\n", 191 | "# Criando o DataFrame\n", 192 | "df = pd.DataFrame(resposta.json()[1])\n", 193 | "\n", 194 | "# Exibe os primeiros dados\n", 195 | "df.head()" 196 | ] 197 | }, 198 | { 199 | "cell_type": "code", 200 | "execution_count": 4, 201 | "metadata": {}, 202 | "outputs": [ 203 | { 204 | "data": { 205 | "text/plain": [ 206 | "(100, 14)" 207 | ] 208 | }, 209 | "execution_count": 4, 210 | "metadata": {}, 211 | "output_type": "execute_result" 212 | } 213 | ], 214 | "source": [ 215 | "# Qual é o tamanho do DataFrame?\n", 216 | "df.shape" 217 | ] 218 | }, 219 | { 220 | "cell_type": "code", 221 | "execution_count": 5, 222 | "metadata": {}, 223 | "outputs": [ 224 | { 225 | "data": { 226 | "text/plain": [ 227 | "PA 99\n", 228 | "PR 1\n", 229 | "Name: estado, dtype: int64" 230 | ] 231 | }, 232 | "execution_count": 5, 233 | "metadata": {}, 234 | "output_type": "execute_result" 235 | } 236 | ], 237 | "source": [ 238 | "# Em quais estados estão essas escolas?\n", 239 | "df['estado'].value_counts()" 240 | ] 241 | }, 242 | { 243 | "cell_type": "code", 244 | "execution_count": 6, 245 | "metadata": {}, 246 | "outputs": [ 247 | { 248 | "data": { 249 | "text/plain": [ 250 | "Municipal 100\n", 251 | "Name: dependenciaAdministrativaTxt, dtype: int64" 252 | ] 253 | }, 254 | "execution_count": 6, 255 | "metadata": {}, 256 | "output_type": "execute_result" 257 | } 258 | ], 259 | "source": [ 260 | "# São todas escolas municipais?\n", 261 | "df['dependenciaAdministrativaTxt'].value_counts()" 262 | ] 263 | }, 264 | { 265 | "cell_type": "code", 266 | "execution_count": null, 267 | "metadata": {}, 268 | "outputs": [], 269 | "source": [] 270 | } 271 | ], 272 | "metadata": { 273 | "kernelspec": { 274 | "display_name": "Python 3", 275 | "language": "python", 276 | "name": "python3" 277 | }, 278 | "language_info": { 279 | "codemirror_mode": { 280 | "name": "ipython", 281 | "version": 3 282 | }, 283 | "file_extension": ".py", 284 | "mimetype": "text/x-python", 285 | "name": "python", 286 | "nbconvert_exporter": "python", 287 | "pygments_lexer": "ipython3", 288 | "version": "3.7.1" 289 | } 290 | }, 291 | "nbformat": 4, 292 | "nbformat_minor": 2 293 | } 294 | -------------------------------------------------------------------------------- /api_partidos_camara_deputados.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "markdown", 5 | "metadata": {}, 6 | "source": [ 7 | "# Análise dos dados da API de partidos\n", 8 | "Análise dos dados obtidos pela API da Câmara dos deputados\n", 9 | "\n", 10 | "Request URL -> https://dadosabertos.camara.leg.br/api/v2/partidos?itens=100&ordem=ASC&ordenarPor=sigla" 11 | ] 12 | }, 13 | { 14 | "cell_type": "code", 15 | "execution_count": 1, 16 | "metadata": {}, 17 | "outputs": [], 18 | "source": [ 19 | "# Importando as bibliotecas\n", 20 | "import pandas as pd\n", 21 | "import requests" 22 | ] 23 | }, 24 | { 25 | "cell_type": "code", 26 | "execution_count": 5, 27 | "metadata": {}, 28 | "outputs": [ 29 | { 30 | "data": { 31 | "text/plain": [ 32 | "'{\"dados\":[{\"id\":36898,\"sigla\":\"AVANTE\",\"nome\":\"Avante\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36898\"},{\"id\":37902,\"sigla\":\"DC\",\"nome\":\"Democracia Cristã\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/37902\"},{\"id\":36769,\"sigla\":\"DEM\",\"nome\":\"Democratas\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36769\"},{\"id\":36899,\"sigla\":\"MDB\",\"nome\":\"Movimento Democrático Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36899\"},{\"id\":37901,\"sigla\":\"NOVO\",\"nome\":\"Partido Novo\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/37901\"},{\"id\":37900,\"sigla\":\"PATRI\",\"nome\":\"Patriota\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/37900\"},{\"id\":36863,\"sigla\":\"PCB\",\"nome\":\"Partido Constitucionalista Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36863\"},{\"id\":36779,\"sigla\":\"PCdoB\",\"nome\":\"Partido Comunista do Brasil\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36779\"},{\"id\":36781,\"sigla\":\"PCO\",\"nome\":\"Partido da Causa Operária\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36781\"},{\"id\":36786,\"sigla\":\"PDT\",\"nome\":\"Partido Democrático Trabalhista\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36786\"},{\"id\":36793,\"sigla\":\"PHS\",\"nome\":\"Partido Humanista da Solidariedade\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36793\"},{\"id\":36887,\"sigla\":\"PMB\",\"nome\":\"Partido da Mulher Brasileira\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36887\"},{\"id\":36801,\"sigla\":\"PMN\",\"nome\":\"Partido da Mobilização Nacional\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36801\"},{\"id\":36896,\"sigla\":\"PODE\",\"nome\":\"Podemos\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36896\"},{\"id\":37903,\"sigla\":\"PP\",\"nome\":\"Progressistas\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/37903\"},{\"id\":36762,\"sigla\":\"PPL\",\"nome\":\"Partido Pátria Livre\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36762\"},{\"id\":36813,\"sigla\":\"PPS\",\"nome\":\"Partido Popular Socialista\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36813\"},{\"id\":36814,\"sigla\":\"PR\",\"nome\":\"Partido da República\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36814\"},{\"id\":36815,\"sigla\":\"PRB\",\"nome\":\"Partido Republicano Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36815\"},{\"id\":36763,\"sigla\":\"PROS\",\"nome\":\"Partido Republicano da Ordem Social\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36763\"},{\"id\":36824,\"sigla\":\"PRP\",\"nome\":\"Partido Republicano Progressista\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36824\"},{\"id\":36829,\"sigla\":\"PRTB\",\"nome\":\"Partido Renovador Trabalhista Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36829\"},{\"id\":36832,\"sigla\":\"PSB\",\"nome\":\"Partido Socialista Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36832\"},{\"id\":36833,\"sigla\":\"PSC\",\"nome\":\"Partido Social Cristão\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36833\"},{\"id\":36834,\"sigla\":\"PSD\",\"nome\":\"Partido Social Democrático\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36834\"},{\"id\":36835,\"sigla\":\"PSDB\",\"nome\":\"Partido da Social Democracia Brasileira\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36835\"},{\"id\":36837,\"sigla\":\"PSL\",\"nome\":\"Partido Social Liberal\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36837\"},{\"id\":36839,\"sigla\":\"PSOL\",\"nome\":\"Partido Socialismo e Liberdade\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36839\"},{\"id\":36843,\"sigla\":\"PSTU\",\"nome\":\"Partido Socialista dos Trabalhadores Unificado\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36843\"},{\"id\":36844,\"sigla\":\"PT\",\"nome\":\"Partido dos Trabalhadores\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36844\"},{\"id\":36845,\"sigla\":\"PTB\",\"nome\":\"Partido Trabalhista Brasileiro\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36845\"},{\"id\":36846,\"sigla\":\"PTC\",\"nome\":\"Partido Trabalhista Cristão\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36846\"},{\"id\":36851,\"sigla\":\"PV\",\"nome\":\"Partido Verde\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36851\"},{\"id\":36886,\"sigla\":\"REDE\",\"nome\":\"Rede Sustentabilidade\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36886\"},{\"id\":36852,\"sigla\":\"S.PART.\",\"nome\":\"Sem Partido\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/36852\"},{\"id\":37904,\"sigla\":\"SOLIDARIEDADE\",\"nome\":\"Solidariedade\",\"uri\":\"https://dadosabertos.camara.leg.br/api/v2/partidos/37904\"}],\"links\":[{\"rel\":\"self\",\"href\":\"https://dadosabertos.camara.leg.br/api/v2/partidos?itens=100&ordem=ASC&ordenarPor=sigla\"},{\"rel\":\"first\",\"href\":\"https://dadosabertos.camara.leg.br/api/v2/partidos?&ordem=ASC&ordenarPor=sigla&pagina=1&itens=100\"},{\"rel\":\"last\",\"href\":\"https://dadosabertos.camara.leg.br/api/v2/partidos?&ordem=ASC&ordenarPor=sigla&pagina=1&itens=100\"}]}'" 33 | ] 34 | }, 35 | "execution_count": 5, 36 | "metadata": {}, 37 | "output_type": "execute_result" 38 | } 39 | ], 40 | "source": [ 41 | "# Obter os dados da API da câmara dos deputados\n", 42 | "url = 'https://dadosabertos.camara.leg.br/api/v2/partidos?itens=100&ordem=ASC&ordenarPor=sigla'\n", 43 | "\n", 44 | "# Obtendo os dados\n", 45 | "resposta = requests.get(url)\n", 46 | "\n", 47 | "# Verificando a resposta\n", 48 | "resposta.text" 49 | ] 50 | }, 51 | { 52 | "cell_type": "code", 53 | "execution_count": 6, 54 | "metadata": {}, 55 | "outputs": [], 56 | "source": [ 57 | "# Converter a resposta da API para DataFrame\n", 58 | "df = pd.DataFrame(resposta.json()['dados'])" 59 | ] 60 | }, 61 | { 62 | "cell_type": "code", 63 | "execution_count": 7, 64 | "metadata": {}, 65 | "outputs": [ 66 | { 67 | "data": { 68 | "text/html": [ 69 | "
\n", 70 | "\n", 83 | "\n", 84 | " \n", 85 | " \n", 86 | " \n", 87 | " \n", 88 | " \n", 89 | " \n", 90 | " \n", 91 | " \n", 92 | " \n", 93 | " \n", 94 | " \n", 95 | " \n", 96 | " \n", 97 | " \n", 98 | " \n", 99 | " \n", 100 | " \n", 101 | " \n", 102 | " \n", 103 | " \n", 104 | " \n", 105 | " \n", 106 | " \n", 107 | " \n", 108 | " \n", 109 | " \n", 110 | " \n", 111 | " \n", 112 | " \n", 113 | " \n", 114 | " \n", 115 | " \n", 116 | " \n", 117 | " \n", 118 | " \n", 119 | " \n", 120 | " \n", 121 | " \n", 122 | " \n", 123 | " \n", 124 | " \n", 125 | " \n", 126 | " \n", 127 | " \n", 128 | " \n", 129 | " \n", 130 | "
idnomesiglauri
036898AvanteAVANTEhttps://dadosabertos.camara.leg.br/api/v2/part...
137902Democracia CristãDChttps://dadosabertos.camara.leg.br/api/v2/part...
236769DemocratasDEMhttps://dadosabertos.camara.leg.br/api/v2/part...
336899Movimento Democrático BrasileiroMDBhttps://dadosabertos.camara.leg.br/api/v2/part...
437901Partido NovoNOVOhttps://dadosabertos.camara.leg.br/api/v2/part...
\n", 131 | "
" 132 | ], 133 | "text/plain": [ 134 | " id nome sigla \\\n", 135 | "0 36898 Avante AVANTE \n", 136 | "1 37902 Democracia Cristã DC \n", 137 | "2 36769 Democratas DEM \n", 138 | "3 36899 Movimento Democrático Brasileiro MDB \n", 139 | "4 37901 Partido Novo NOVO \n", 140 | "\n", 141 | " uri \n", 142 | "0 https://dadosabertos.camara.leg.br/api/v2/part... \n", 143 | "1 https://dadosabertos.camara.leg.br/api/v2/part... \n", 144 | "2 https://dadosabertos.camara.leg.br/api/v2/part... \n", 145 | "3 https://dadosabertos.camara.leg.br/api/v2/part... \n", 146 | "4 https://dadosabertos.camara.leg.br/api/v2/part... " 147 | ] 148 | }, 149 | "execution_count": 7, 150 | "metadata": {}, 151 | "output_type": "execute_result" 152 | } 153 | ], 154 | "source": [ 155 | "# Exibindo os primeiros registros\n", 156 | "df.head()" 157 | ] 158 | }, 159 | { 160 | "cell_type": "code", 161 | "execution_count": 9, 162 | "metadata": {}, 163 | "outputs": [ 164 | { 165 | "data": { 166 | "text/plain": [ 167 | "36" 168 | ] 169 | }, 170 | "execution_count": 9, 171 | "metadata": {}, 172 | "output_type": "execute_result" 173 | } 174 | ], 175 | "source": [ 176 | "# Qual é o número atual de partidos políticos que possuem representantes na casa\n", 177 | "df['sigla'].count()" 178 | ] 179 | }, 180 | { 181 | "cell_type": "code", 182 | "execution_count": 10, 183 | "metadata": {}, 184 | "outputs": [ 185 | { 186 | "data": { 187 | "text/plain": [ 188 | "0 Avante\n", 189 | "1 Democracia Cristã\n", 190 | "2 Democratas\n", 191 | "3 Movimento Democrático Brasileiro\n", 192 | "4 Partido Novo\n", 193 | "5 Patriota\n", 194 | "6 Partido Constitucionalista Brasileiro\n", 195 | "7 Partido Comunista do Brasil\n", 196 | "8 Partido da Causa Operária\n", 197 | "9 Partido Democrático Trabalhista\n", 198 | "10 Partido Humanista da Solidariedade\n", 199 | "11 Partido da Mulher Brasileira\n", 200 | "12 Partido da Mobilização Nacional\n", 201 | "13 Podemos\n", 202 | "14 Progressistas\n", 203 | "15 Partido Pátria Livre\n", 204 | "16 Partido Popular Socialista\n", 205 | "17 Partido da República\n", 206 | "18 Partido Republicano Brasileiro\n", 207 | "19 Partido Republicano da Ordem Social\n", 208 | "20 Partido Republicano Progressista\n", 209 | "21 Partido Renovador Trabalhista Brasileiro\n", 210 | "22 Partido Socialista Brasileiro\n", 211 | "23 Partido Social Cristão\n", 212 | "24 Partido Social Democrático\n", 213 | "25 Partido da Social Democracia Brasileira\n", 214 | "26 Partido Social Liberal\n", 215 | "27 Partido Socialismo e Liberdade\n", 216 | "28 Partido Socialista dos Trabalhadores Unificado\n", 217 | "29 Partido dos Trabalhadores\n", 218 | "30 Partido Trabalhista Brasileiro\n", 219 | "31 Partido Trabalhista Cristão\n", 220 | "32 Partido Verde\n", 221 | "33 Rede Sustentabilidade\n", 222 | "34 Sem Partido\n", 223 | "35 Solidariedade\n", 224 | "Name: nome, dtype: object" 225 | ] 226 | }, 227 | "execution_count": 10, 228 | "metadata": {}, 229 | "output_type": "execute_result" 230 | } 231 | ], 232 | "source": [ 233 | "# Listar os nomes dos partidos\n", 234 | "df['nome']" 235 | ] 236 | }, 237 | { 238 | "cell_type": "code", 239 | "execution_count": 13, 240 | "metadata": {}, 241 | "outputs": [ 242 | { 243 | "data": { 244 | "text/plain": [ 245 | "'https://dadosabertos.camara.leg.br/api/v2/partidos/36898'" 246 | ] 247 | }, 248 | "execution_count": 13, 249 | "metadata": {}, 250 | "output_type": "execute_result" 251 | } 252 | ], 253 | "source": [ 254 | "# Qualquer campo do DataFrame pode ser obtido utilizando as funções \n", 255 | "# de localização\n", 256 | "\n", 257 | "# O iloc retorna um campo com base no seu índice [linha, coluna]\n", 258 | "df.iloc[0, 3]" 259 | ] 260 | }, 261 | { 262 | "cell_type": "code", 263 | "execution_count": 14, 264 | "metadata": {}, 265 | "outputs": [ 266 | { 267 | "data": { 268 | "text/plain": [ 269 | "'https://dadosabertos.camara.leg.br/api/v2/partidos/36898'" 270 | ] 271 | }, 272 | "execution_count": 14, 273 | "metadata": {}, 274 | "output_type": "execute_result" 275 | } 276 | ], 277 | "source": [ 278 | "# O loc retorna um campo com base no nome da coluna\n", 279 | "df.loc[0, 'uri']" 280 | ] 281 | }, 282 | { 283 | "cell_type": "code", 284 | "execution_count": null, 285 | "metadata": {}, 286 | "outputs": [], 287 | "source": [] 288 | } 289 | ], 290 | "metadata": { 291 | "kernelspec": { 292 | "display_name": "Python 3", 293 | "language": "python", 294 | "name": "python3" 295 | }, 296 | "language_info": { 297 | "codemirror_mode": { 298 | "name": "ipython", 299 | "version": 3 300 | }, 301 | "file_extension": ".py", 302 | "mimetype": "text/x-python", 303 | "name": "python", 304 | "nbconvert_exporter": "python", 305 | "pygments_lexer": "ipython3", 306 | "version": "3.7.1" 307 | } 308 | }, 309 | "nbformat": 4, 310 | "nbformat_minor": 2 311 | } 312 | -------------------------------------------------------------------------------- /aula3/01_csv_senadores/2018.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/rodolfoghi/curso-labhacker-analise-dados-com-python/7f499d981ab28532ef5e2fbde36ebbdb22990a6d/aula3/01_csv_senadores/2018.csv -------------------------------------------------------------------------------- /aula3/01_csv_senadores/reembolsos_senadores_2018.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "markdown", 5 | "metadata": {}, 6 | "source": [ 7 | "# Análise dos dados de reembolso dos senadores - 2018" 8 | ] 9 | }, 10 | { 11 | "cell_type": "code", 12 | "execution_count": 1, 13 | "metadata": {}, 14 | "outputs": [], 15 | "source": [ 16 | "# Importando as bibliotecas\n", 17 | "import pandas as pd" 18 | ] 19 | }, 20 | { 21 | "cell_type": "code", 22 | "execution_count": 9, 23 | "metadata": {}, 24 | "outputs": [ 25 | { 26 | "data": { 27 | "text/html": [ 28 | "
\n", 29 | "\n", 42 | "\n", 43 | " \n", 44 | " \n", 45 | " \n", 46 | " \n", 47 | " \n", 48 | " \n", 49 | " \n", 50 | " \n", 51 | " \n", 52 | " \n", 53 | " \n", 54 | " \n", 55 | " \n", 56 | " \n", 57 | " \n", 58 | " \n", 59 | " \n", 60 | " \n", 61 | " \n", 62 | " \n", 63 | " \n", 64 | " \n", 65 | " \n", 66 | " \n", 67 | " \n", 68 | " \n", 69 | " \n", 70 | " \n", 71 | " \n", 72 | " \n", 73 | " \n", 74 | " \n", 75 | " \n", 76 | " \n", 77 | " \n", 78 | " \n", 79 | " \n", 80 | " \n", 81 | " \n", 82 | " \n", 83 | " \n", 84 | " \n", 85 | " \n", 86 | " \n", 87 | " \n", 88 | " \n", 89 | " \n", 90 | " \n", 91 | " \n", 92 | " \n", 93 | " \n", 94 | " \n", 95 | " \n", 96 | " \n", 97 | " \n", 98 | " \n", 99 | " \n", 100 | " \n", 101 | " \n", 102 | " \n", 103 | " \n", 104 | " \n", 105 | " \n", 106 | " \n", 107 | " \n", 108 | " \n", 109 | " \n", 110 | " \n", 111 | " \n", 112 | " \n", 113 | " \n", 114 | " \n", 115 | " \n", 116 | " \n", 117 | " \n", 118 | " \n", 119 | " \n", 120 | " \n", 121 | " \n", 122 | " \n", 123 | " \n", 124 | " \n", 125 | "
ANOMESSENADORTIPO_DESPESACNPJ_CPFFORNECEDORDOCUMENTODATADETALHAMENTOVALOR_REEMBOLSADO
020181ACIR GURGACZAluguel de imóveis para escritório político, c...004.948.028-63GILBERTO PISELO DO NASCIMENTONaN02/01/2018Despesa com pagamento de aluguel de imóvel par...6000.00
120181ACIR GURGACZPassagens aéreas, aquáticas e terrestres nacio...63.764.211/0001-10TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDAM2CJMM02/01/2018Companhia Aérea: AVIANCA, Localizador: M2CJMM....274.99
220181ACIR GURGACZPassagens aéreas, aquáticas e terrestres nacio...63.764.211/0001-10TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDASFEXYF02/01/2018Companhia Aérea: LATAM, Localizador: SFEXYF. P...1094.29
320181ACIR GURGACZPassagens aéreas, aquáticas e terrestres nacio...63.764.211/0001-10TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDAV64HTR24/01/2018Companhia Aérea: AZUL, Localizador: V64HTR. Pa...1553.99
420182ACIR GURGACZAluguel de imóveis para escritório político, c...004.948.028-63GILBERTO PISELO DO NASCIMENTO002/1801/02/2018Despesa com pagamento de aluguel de imóvel par...6000.00
\n", 126 | "
" 127 | ], 128 | "text/plain": [ 129 | " ANO MES SENADOR TIPO_DESPESA \\\n", 130 | "0 2018 1 ACIR GURGACZ Aluguel de imóveis para escritório político, c... \n", 131 | "1 2018 1 ACIR GURGACZ Passagens aéreas, aquáticas e terrestres nacio... \n", 132 | "2 2018 1 ACIR GURGACZ Passagens aéreas, aquáticas e terrestres nacio... \n", 133 | "3 2018 1 ACIR GURGACZ Passagens aéreas, aquáticas e terrestres nacio... \n", 134 | "4 2018 2 ACIR GURGACZ Aluguel de imóveis para escritório político, c... \n", 135 | "\n", 136 | " CNPJ_CPF FORNECEDOR DOCUMENTO \\\n", 137 | "0 004.948.028-63 GILBERTO PISELO DO NASCIMENTO NaN \n", 138 | "1 63.764.211/0001-10 TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDA M2CJMM \n", 139 | "2 63.764.211/0001-10 TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDA SFEXYF \n", 140 | "3 63.764.211/0001-10 TRANSCONTINENTAL AGÊNCIA DE VIAGENS LTDA V64HTR \n", 141 | "4 004.948.028-63 GILBERTO PISELO DO NASCIMENTO 002/18 \n", 142 | "\n", 143 | " DATA DETALHAMENTO \\\n", 144 | "0 02/01/2018 Despesa com pagamento de aluguel de imóvel par... \n", 145 | "1 02/01/2018 Companhia Aérea: AVIANCA, Localizador: M2CJMM.... \n", 146 | "2 02/01/2018 Companhia Aérea: LATAM, Localizador: SFEXYF. P... \n", 147 | "3 24/01/2018 Companhia Aérea: AZUL, Localizador: V64HTR. Pa... \n", 148 | "4 01/02/2018 Despesa com pagamento de aluguel de imóvel par... \n", 149 | "\n", 150 | " VALOR_REEMBOLSADO \n", 151 | "0 6000.00 \n", 152 | "1 274.99 \n", 153 | "2 1094.29 \n", 154 | "3 1553.99 \n", 155 | "4 6000.00 " 156 | ] 157 | }, 158 | "execution_count": 9, 159 | "metadata": {}, 160 | "output_type": "execute_result" 161 | } 162 | ], 163 | "source": [ 164 | "# Carregar o arquivo csv\n", 165 | "df = pd.read_csv('2018.csv', sep=';', encoding='cp1252', skiprows=1, decimal=',')\n", 166 | "\n", 167 | "df.head()" 168 | ] 169 | }, 170 | { 171 | "cell_type": "code", 172 | "execution_count": 10, 173 | "metadata": {}, 174 | "outputs": [ 175 | { 176 | "name": "stdout", 177 | "output_type": "stream", 178 | "text": [ 179 | "\n", 180 | "RangeIndex: 24492 entries, 0 to 24491\n", 181 | "Data columns (total 10 columns):\n", 182 | "ANO 24492 non-null int64\n", 183 | "MES 24492 non-null int64\n", 184 | "SENADOR 24492 non-null object\n", 185 | "TIPO_DESPESA 24492 non-null object\n", 186 | "CNPJ_CPF 24492 non-null object\n", 187 | "FORNECEDOR 24492 non-null object\n", 188 | "DOCUMENTO 23476 non-null object\n", 189 | "DATA 24492 non-null object\n", 190 | "DETALHAMENTO 18882 non-null object\n", 191 | "VALOR_REEMBOLSADO 24492 non-null float64\n", 192 | "dtypes: float64(1), int64(2), object(7)\n", 193 | "memory usage: 1.9+ MB\n" 194 | ] 195 | } 196 | ], 197 | "source": [ 198 | "# Verificar tamanhos e tipos dos dados\n", 199 | "df.info()" 200 | ] 201 | }, 202 | { 203 | "cell_type": "code", 204 | "execution_count": 11, 205 | "metadata": {}, 206 | "outputs": [ 207 | { 208 | "data": { 209 | "text/html": [ 210 | "
\n", 211 | "\n", 224 | "\n", 225 | " \n", 226 | " \n", 227 | " \n", 228 | " \n", 229 | " \n", 230 | " \n", 231 | " \n", 232 | " \n", 233 | " \n", 234 | " \n", 235 | " \n", 236 | " \n", 237 | " \n", 238 | " \n", 239 | " \n", 240 | " \n", 241 | " \n", 242 | " \n", 243 | " \n", 244 | " \n", 245 | " \n", 246 | " \n", 247 | " \n", 248 | " \n", 249 | " \n", 250 | " \n", 251 | " \n", 252 | " \n", 253 | " \n", 254 | " \n", 255 | " \n", 256 | " \n", 257 | " \n", 258 | " \n", 259 | " \n", 260 | " \n", 261 | " \n", 262 | " \n", 263 | " \n", 264 | " \n", 265 | " \n", 266 | " \n", 267 | " \n", 268 | " \n", 269 | " \n", 270 | " \n", 271 | " \n", 272 | " \n", 273 | " \n", 274 | " \n", 275 | " \n", 276 | " \n", 277 | " \n", 278 | " \n", 279 | " \n", 280 | " \n", 281 | " \n", 282 | " \n", 283 | "
ANOMESVALOR_REEMBOLSADO
count24492.024492.00000024492.000000
mean2018.06.1922261045.431215
std0.03.3058472718.840577
min2018.01.0000000.010000
25%2018.03.000000125.000000
50%2018.06.000000287.200000
75%2018.09.0000001032.005000
max2018.012.000000103900.000000
\n", 284 | "
" 285 | ], 286 | "text/plain": [ 287 | " ANO MES VALOR_REEMBOLSADO\n", 288 | "count 24492.0 24492.000000 24492.000000\n", 289 | "mean 2018.0 6.192226 1045.431215\n", 290 | "std 0.0 3.305847 2718.840577\n", 291 | "min 2018.0 1.000000 0.010000\n", 292 | "25% 2018.0 3.000000 125.000000\n", 293 | "50% 2018.0 6.000000 287.200000\n", 294 | "75% 2018.0 9.000000 1032.005000\n", 295 | "max 2018.0 12.000000 103900.000000" 296 | ] 297 | }, 298 | "execution_count": 11, 299 | "metadata": {}, 300 | "output_type": "execute_result" 301 | } 302 | ], 303 | "source": [ 304 | "# Mostra uma análise quantitativa dos dados\n", 305 | "df.describe()" 306 | ] 307 | }, 308 | { 309 | "cell_type": "code", 310 | "execution_count": 12, 311 | "metadata": {}, 312 | "outputs": [ 313 | { 314 | "data": { 315 | "text/plain": [ 316 | "25604701.33" 317 | ] 318 | }, 319 | "execution_count": 12, 320 | "metadata": {}, 321 | "output_type": "execute_result" 322 | } 323 | ], 324 | "source": [ 325 | "# qual o total de reembolsos?\n", 326 | "df['VALOR_REEMBOLSADO'].sum()" 327 | ] 328 | }, 329 | { 330 | "cell_type": "code", 331 | "execution_count": 19, 332 | "metadata": {}, 333 | "outputs": [ 334 | { 335 | "data": { 336 | "text/plain": [ 337 | "EDUARDO LOPES 864\n", 338 | "PAULO BAUER 824\n", 339 | "WELLINGTON FAGUNDES 800\n", 340 | "JOSÉ SERRA 715\n", 341 | "GLEISI HOFFMANN 653\n", 342 | "HUMBERTO COSTA 648\n", 343 | "LÍDICE DA MATA 628\n", 344 | "JOSÉ MEDEIROS 598\n", 345 | "FERNANDO BEZERRA COELHO 560\n", 346 | "ARMANDO MONTEIRO 550\n", 347 | "PAULO PAIM 547\n", 348 | "JOÃO CAPIBERIBE 539\n", 349 | "ANA AMÉLIA 495\n", 350 | "RONALDO CAIADO 486\n", 351 | "JOSÉ PIMENTEL 477\n", 352 | "PEDRO CHAVES DOS SANTOS FILHO 440\n", 353 | "EDUARDO AMORIM 438\n", 354 | "ROBERTO REQUIÃO 436\n", 355 | "PAULO ROCHA 424\n", 356 | "ROMERO JUCÁ 415\n", 357 | "FÁTIMA BEZERRA 407\n", 358 | "MARTA SUPLICY 398\n", 359 | "ROBERTO MUNIZ 380\n", 360 | "ZEZÉ PERRELLA 371\n", 361 | "WALDEMIR MOKA 370\n", 362 | "AIRTON SANDOVAL 363\n", 363 | "CÁSSIO CUNHA LIMA 362\n", 364 | "DALIRIO BEBER 361\n", 365 | "JORGE VIANA 356\n", 366 | "VANESSA GRAZZIOTIN 350\n", 367 | " ... \n", 368 | "EDUARDO BRAGA 133\n", 369 | "OTTO ALENCAR 132\n", 370 | "MARIA DO CARMO ALVES 129\n", 371 | "JOÃO ALBERTO SOUZA 125\n", 372 | "ANTÔNIO CARLOS VALADARES 117\n", 373 | "ACIR GURGACZ 114\n", 374 | "PASTOR BEL 113\n", 375 | "DAVI ALCOLUMBRE 112\n", 376 | "RUDSON LEITE 111\n", 377 | "HÉLIO JOSÉ 109\n", 378 | "JOSÉ AMAURI 101\n", 379 | "REDITARIO CASSOL 87\n", 380 | "GUARACY SILVEIRA 79\n", 381 | "SÉRGIO PETECÃO 75\n", 382 | "KÁTIA ABREU 72\n", 383 | "SÉRGIO DE CASTRO 66\n", 384 | "RODRIGUES PALMA 62\n", 385 | "GIVAGO TENÓRIO 57\n", 386 | "WALTER PINHEIRO 51\n", 387 | "VICENTINHO ALVES 51\n", 388 | "EDISON LOBÃO 49\n", 389 | "ELBER BATALHA 47\n", 390 | "IONE GUIMARÃES 44\n", 391 | "TASSO JEREISSATI 44\n", 392 | "OMAR AZIZ 42\n", 393 | "ALVARO DIAS 40\n", 394 | "FERNANDO COLLOR 27\n", 395 | "JADER BARBALHO 19\n", 396 | "CRISTOVAM BUARQUE 16\n", 397 | "ZÉ SANTANA 8\n", 398 | "Name: SENADOR, Length: 91, dtype: int64" 399 | ] 400 | }, 401 | "execution_count": 19, 402 | "metadata": {}, 403 | "output_type": "execute_result" 404 | } 405 | ], 406 | "source": [ 407 | "# Quantos reembolsos foram solicitados por cada senador?\n", 408 | "df['SENADOR'].value_counts()" 409 | ] 410 | }, 411 | { 412 | "cell_type": "code", 413 | "execution_count": 23, 414 | "metadata": {}, 415 | "outputs": [ 416 | { 417 | "data": { 418 | "text/plain": [ 419 | "SENADOR\n", 420 | "EDUARDO BRAGA 529599.18\n", 421 | "VANESSA GRAZZIOTIN 515969.63\n", 422 | "JOÃO CAPIBERIBE 513333.90\n", 423 | "ÂNGELA PORTELA 485806.44\n", 424 | "OMAR AZIZ 484143.98\n", 425 | "CIRO NOGUEIRA 455942.09\n", 426 | "ROMERO JUCÁ 454526.97\n", 427 | "GLADSON CAMELI 443981.70\n", 428 | "FERNANDO COLLOR 435944.08\n", 429 | "JORGE VIANA 430121.30\n", 430 | "JOÃO ALBERTO SOUZA 429438.67\n", 431 | "HUMBERTO COSTA 427887.25\n", 432 | "GARIBALDI ALVES FILHO 418031.85\n", 433 | "WELLINGTON FAGUNDES 417778.67\n", 434 | "PAULO PAIM 415787.11\n", 435 | "ARMANDO MONTEIRO 415294.82\n", 436 | "JOSÉ MEDEIROS 411414.35\n", 437 | "PAULO ROCHA 405973.91\n", 438 | "JOSÉ PIMENTEL 405661.25\n", 439 | "FLEXA RIBEIRO 405371.13\n", 440 | "VALDIR RAUPP 405234.22\n", 441 | "CÁSSIO CUNHA LIMA 398600.17\n", 442 | "MAGNO MALTA 397409.37\n", 443 | "ROBERTO ROCHA 386876.10\n", 444 | "LINDBERGH FARIAS 379909.54\n", 445 | "PEDRO CHAVES DOS SANTOS FILHO 379386.06\n", 446 | "ROSE DE FREITAS 378182.77\n", 447 | "RAIMUNDO LIRA 375386.72\n", 448 | "RANDOLFE RODRIGUES 373214.08\n", 449 | "FERNANDO BEZERRA COELHO 367535.16\n", 450 | " ... \n", 451 | "DALIRIO BEBER 213061.41\n", 452 | "LÚCIA VÂNIA 212556.52\n", 453 | "ANTÔNIO CARLOS VALADARES 212072.07\n", 454 | "KÁTIA ABREU 205291.80\n", 455 | "DÁRIO BERGER 199500.30\n", 456 | "TASSO JEREISSATI 195793.53\n", 457 | "OTTO ALENCAR 183048.34\n", 458 | "JOSÉ MARANHÃO 177914.91\n", 459 | "RENAN CALHEIROS 169975.04\n", 460 | "WILDER MORAIS 159069.64\n", 461 | "CIDINHO SANTOS 156965.76\n", 462 | "JOSÉ AMAURI 150165.53\n", 463 | "REDITARIO CASSOL 149322.99\n", 464 | "ANA AMÉLIA 147226.50\n", 465 | "MARIA DO CARMO ALVES 146810.60\n", 466 | "ELBER BATALHA 125533.35\n", 467 | "SIMONE TEBET 124102.62\n", 468 | "PASTOR BEL 123515.72\n", 469 | "RUDSON LEITE 123015.14\n", 470 | "BENEDITO DE LIRA 122405.46\n", 471 | "GIVAGO TENÓRIO 80164.46\n", 472 | "SÉRGIO DE CASTRO 54318.55\n", 473 | "RODRIGUES PALMA 52676.18\n", 474 | "GUARACY SILVEIRA 50430.40\n", 475 | "JADER BARBALHO 44323.47\n", 476 | "ALVARO DIAS 44037.88\n", 477 | "WALTER PINHEIRO 32733.67\n", 478 | "CRISTOVAM BUARQUE 32400.00\n", 479 | "ZÉ SANTANA 23300.67\n", 480 | "IONE GUIMARÃES 11379.91\n", 481 | "Name: VALOR_REEMBOLSADO, Length: 91, dtype: float64" 482 | ] 483 | }, 484 | "execution_count": 23, 485 | "metadata": {}, 486 | "output_type": "execute_result" 487 | } 488 | ], 489 | "source": [ 490 | "# Quanto cada senador solicitou de reembolso?\n", 491 | "df.groupby(['SENADOR'])['VALOR_REEMBOLSADO'].sum().sort_values(ascending=False)" 492 | ] 493 | }, 494 | { 495 | "cell_type": "code", 496 | "execution_count": 29, 497 | "metadata": {}, 498 | "outputs": [ 499 | { 500 | "data": { 501 | "text/html": [ 502 | "
\n", 503 | "\n", 516 | "\n", 517 | " \n", 518 | " \n", 519 | " \n", 520 | " \n", 521 | " \n", 522 | " \n", 523 | " \n", 524 | " \n", 525 | " \n", 526 | " \n", 527 | " \n", 528 | " \n", 529 | " \n", 530 | " \n", 531 | " \n", 532 | " \n", 533 | " \n", 534 | " \n", 535 | " \n", 536 | " \n", 537 | " \n", 538 | " \n", 539 | " \n", 540 | " \n", 541 | " \n", 542 | " \n", 543 | " \n", 544 | " \n", 545 | " \n", 546 | " \n", 547 | " \n", 548 | " \n", 549 | " \n", 550 | " \n", 551 | " \n", 552 | " \n", 553 | " \n", 554 | " \n", 555 | " \n", 556 | " \n", 557 | " \n", 558 | " \n", 559 | " \n", 560 | " \n", 561 | " \n", 562 | " \n", 563 | " \n", 564 | " \n", 565 | " \n", 566 | " \n", 567 | " \n", 568 | " \n", 569 | " \n", 570 | " \n", 571 | " \n", 572 | " \n", 573 | " \n", 574 | " \n", 575 | " \n", 576 | " \n", 577 | " \n", 578 | " \n", 579 | " \n", 580 | " \n", 581 | " \n", 582 | " \n", 583 | " \n", 584 | " \n", 585 | " \n", 586 | " \n", 587 | " \n", 588 | " \n", 589 | " \n", 590 | " \n", 591 | " \n", 592 | " \n", 593 | " \n", 594 | " \n", 595 | " \n", 596 | " \n", 597 | " \n", 598 | " \n", 599 | " \n", 600 | " \n", 601 | " \n", 602 | " \n", 603 | " \n", 604 | " \n", 605 | " \n", 606 | " \n", 607 | " \n", 608 | " \n", 609 | "
212252148821491226665573
ANO20182018201820182018
MES1211121212
SENADORROSE DE FREITASSÉRGIO PETECÃOSÉRGIO PETECÃOVANESSA GRAZZIOTINEDUARDO LOPES
TIPO_DESPESADivulgação da atividade parlamentarContratação de consultorias, assessorias, pesq...Contratação de consultorias, assessorias, pesq...Contratação de consultorias, assessorias, pesq...Divulgação da atividade parlamentar
CNPJ_CPF05.461.408/0001-8422.233.033/0001-1422.233.033/0001-1428.916.527/0001-8014.616.988/0001-22
FORNECEDORGrafitusa S/AReis Grafica e Comercio de Etiquetas Eireli MEReis Grafica e Comercio de Etiquetas Eireli MEA MAQUINA SOLUCOES EM MIDIA LTDA MENG Comunicação Visual Ltda
DOCUMENTO000009681419300000425204800000714
DATA29/03/201929/11/201817/12/201817/12/201805/12/2018
DETALHAMENTONaNNaNNaNTRABALHOS TÉCNICOS DE APOIO AO EXERCICIO DO MA...NaN
VALOR_REEMBOLSADO10390010200010200010000066000
\n", 610 | "
" 611 | ], 612 | "text/plain": [ 613 | " 21225 \\\n", 614 | "ANO 2018 \n", 615 | "MES 12 \n", 616 | "SENADOR ROSE DE FREITAS \n", 617 | "TIPO_DESPESA Divulgação da atividade parlamentar \n", 618 | "CNPJ_CPF 05.461.408/0001-84 \n", 619 | "FORNECEDOR Grafitusa S/A \n", 620 | "DOCUMENTO 000009681 \n", 621 | "DATA 29/03/2019 \n", 622 | "DETALHAMENTO NaN \n", 623 | "VALOR_REEMBOLSADO 103900 \n", 624 | "\n", 625 | " 21488 \\\n", 626 | "ANO 2018 \n", 627 | "MES 11 \n", 628 | "SENADOR SÉRGIO PETECÃO \n", 629 | "TIPO_DESPESA Contratação de consultorias, assessorias, pesq... \n", 630 | "CNPJ_CPF 22.233.033/0001-14 \n", 631 | "FORNECEDOR Reis Grafica e Comercio de Etiquetas Eireli ME \n", 632 | "DOCUMENTO 4193 \n", 633 | "DATA 29/11/2018 \n", 634 | "DETALHAMENTO NaN \n", 635 | "VALOR_REEMBOLSADO 102000 \n", 636 | "\n", 637 | " 21491 \\\n", 638 | "ANO 2018 \n", 639 | "MES 12 \n", 640 | "SENADOR SÉRGIO PETECÃO \n", 641 | "TIPO_DESPESA Contratação de consultorias, assessorias, pesq... \n", 642 | "CNPJ_CPF 22.233.033/0001-14 \n", 643 | "FORNECEDOR Reis Grafica e Comercio de Etiquetas Eireli ME \n", 644 | "DOCUMENTO 000004252 \n", 645 | "DATA 17/12/2018 \n", 646 | "DETALHAMENTO NaN \n", 647 | "VALOR_REEMBOLSADO 102000 \n", 648 | "\n", 649 | " 22666 \\\n", 650 | "ANO 2018 \n", 651 | "MES 12 \n", 652 | "SENADOR VANESSA GRAZZIOTIN \n", 653 | "TIPO_DESPESA Contratação de consultorias, assessorias, pesq... \n", 654 | "CNPJ_CPF 28.916.527/0001-80 \n", 655 | "FORNECEDOR A MAQUINA SOLUCOES EM MIDIA LTDA ME \n", 656 | "DOCUMENTO 048 \n", 657 | "DATA 17/12/2018 \n", 658 | "DETALHAMENTO TRABALHOS TÉCNICOS DE APOIO AO EXERCICIO DO MA... \n", 659 | "VALOR_REEMBOLSADO 100000 \n", 660 | "\n", 661 | " 5573 \n", 662 | "ANO 2018 \n", 663 | "MES 12 \n", 664 | "SENADOR EDUARDO LOPES \n", 665 | "TIPO_DESPESA Divulgação da atividade parlamentar \n", 666 | "CNPJ_CPF 14.616.988/0001-22 \n", 667 | "FORNECEDOR NG Comunicação Visual Ltda \n", 668 | "DOCUMENTO 00000714 \n", 669 | "DATA 05/12/2018 \n", 670 | "DETALHAMENTO NaN \n", 671 | "VALOR_REEMBOLSADO 66000 " 672 | ] 673 | }, 674 | "execution_count": 29, 675 | "metadata": {}, 676 | "output_type": "execute_result" 677 | } 678 | ], 679 | "source": [ 680 | "# Quais são os 5 maiores valores de reembolso?\n", 681 | "df.nlargest(5, 'VALOR_REEMBOLSADO').T" 682 | ] 683 | }, 684 | { 685 | "cell_type": "code", 686 | "execution_count": 30, 687 | "metadata": {}, 688 | "outputs": [ 689 | { 690 | "data": { 691 | "text/html": [ 692 | "
\n", 693 | "\n", 706 | "\n", 707 | " \n", 708 | " \n", 709 | " \n", 710 | " \n", 711 | " \n", 712 | " \n", 713 | " \n", 714 | " \n", 715 | " \n", 716 | " \n", 717 | " \n", 718 | " \n", 719 | " \n", 720 | " \n", 721 | " \n", 722 | " \n", 723 | " \n", 724 | " \n", 725 | " \n", 726 | " \n", 727 | " \n", 728 | " \n", 729 | " \n", 730 | " \n", 731 | " \n", 732 | " \n", 733 | " \n", 734 | " \n", 735 | " \n", 736 | " \n", 737 | " \n", 738 | " \n", 739 | " \n", 740 | " \n", 741 | " \n", 742 | " \n", 743 | " \n", 744 | " \n", 745 | " \n", 746 | " \n", 747 | " \n", 748 | " \n", 749 | " \n", 750 | " \n", 751 | " \n", 752 | " \n", 753 | " \n", 754 | " \n", 755 | " \n", 756 | " \n", 757 | " \n", 758 | " \n", 759 | " \n", 760 | " \n", 761 | " \n", 762 | " \n", 763 | " \n", 764 | " \n", 765 | " \n", 766 | " \n", 767 | " \n", 768 | " \n", 769 | " \n", 770 | " \n", 771 | " \n", 772 | " \n", 773 | " \n", 774 | " \n", 775 | " \n", 776 | " \n", 777 | " \n", 778 | " \n", 779 | " \n", 780 | " \n", 781 | " \n", 782 | " \n", 783 | " \n", 784 | " \n", 785 | " \n", 786 | " \n", 787 | " \n", 788 | " \n", 789 | " \n", 790 | " \n", 791 | " \n", 792 | " \n", 793 | " \n", 794 | " \n", 795 | " \n", 796 | " \n", 797 | " \n", 798 | " \n", 799 | "
386810161101911019610233
ANO20182018201820182018
MES53445
SENADORDÁRIO BERGERJORGE VIANAJORGE VIANAJORGE VIANAJORGE VIANA
TIPO_DESPESAPassagens aéreas, aquáticas e terrestres nacio...Passagens aéreas, aquáticas e terrestres nacio...Passagens aéreas, aquáticas e terrestres nacio...Passagens aéreas, aquáticas e terrestres nacio...Passagens aéreas, aquáticas e terrestres nacio...
CNPJ_CPF02.575.829/0001-4833.937.681/0001-7807.575.651/0001-5933.937.681/0001-7833.937.681/0001-78
FORNECEDORAVIANCA BRASILLATAMGOL TRANSPORTES AÉREOS S/ALATAMLATAM
DOCUMENTOK5RKJVW4UUE7ZHV36PW6ZMK3OZALEF
DATA29/05/201821/03/201809/03/201817/04/201822/05/2018
DETALHAMENTOCompanhia Aérea: AVIANCA, Localizador: K5RKJV....Companhia Aérea: LATAM, Localizador: W4UUE7. P...Companhia Aérea: GOL, Localizador: ZHV36P. Pas...Companhia Aérea: LATAM, Localizador: W6ZMK3. P...Companhia Aérea: LATAM, Localizador: OZALEF. P...
VALOR_REEMBOLSADO0.010.010.010.010.01
\n", 800 | "
" 801 | ], 802 | "text/plain": [ 803 | " 3868 \\\n", 804 | "ANO 2018 \n", 805 | "MES 5 \n", 806 | "SENADOR DÁRIO BERGER \n", 807 | "TIPO_DESPESA Passagens aéreas, aquáticas e terrestres nacio... \n", 808 | "CNPJ_CPF 02.575.829/0001-48 \n", 809 | "FORNECEDOR AVIANCA BRASIL \n", 810 | "DOCUMENTO K5RKJV \n", 811 | "DATA 29/05/2018 \n", 812 | "DETALHAMENTO Companhia Aérea: AVIANCA, Localizador: K5RKJV.... \n", 813 | "VALOR_REEMBOLSADO 0.01 \n", 814 | "\n", 815 | " 10161 \\\n", 816 | "ANO 2018 \n", 817 | "MES 3 \n", 818 | "SENADOR JORGE VIANA \n", 819 | "TIPO_DESPESA Passagens aéreas, aquáticas e terrestres nacio... \n", 820 | "CNPJ_CPF 33.937.681/0001-78 \n", 821 | "FORNECEDOR LATAM \n", 822 | "DOCUMENTO W4UUE7 \n", 823 | "DATA 21/03/2018 \n", 824 | "DETALHAMENTO Companhia Aérea: LATAM, Localizador: W4UUE7. P... \n", 825 | "VALOR_REEMBOLSADO 0.01 \n", 826 | "\n", 827 | " 10191 \\\n", 828 | "ANO 2018 \n", 829 | "MES 4 \n", 830 | "SENADOR JORGE VIANA \n", 831 | "TIPO_DESPESA Passagens aéreas, aquáticas e terrestres nacio... \n", 832 | "CNPJ_CPF 07.575.651/0001-59 \n", 833 | "FORNECEDOR GOL TRANSPORTES AÉREOS S/A \n", 834 | "DOCUMENTO ZHV36P \n", 835 | "DATA 09/03/2018 \n", 836 | "DETALHAMENTO Companhia Aérea: GOL, Localizador: ZHV36P. Pas... \n", 837 | "VALOR_REEMBOLSADO 0.01 \n", 838 | "\n", 839 | " 10196 \\\n", 840 | "ANO 2018 \n", 841 | "MES 4 \n", 842 | "SENADOR JORGE VIANA \n", 843 | "TIPO_DESPESA Passagens aéreas, aquáticas e terrestres nacio... \n", 844 | "CNPJ_CPF 33.937.681/0001-78 \n", 845 | "FORNECEDOR LATAM \n", 846 | "DOCUMENTO W6ZMK3 \n", 847 | "DATA 17/04/2018 \n", 848 | "DETALHAMENTO Companhia Aérea: LATAM, Localizador: W6ZMK3. P... \n", 849 | "VALOR_REEMBOLSADO 0.01 \n", 850 | "\n", 851 | " 10233 \n", 852 | "ANO 2018 \n", 853 | "MES 5 \n", 854 | "SENADOR JORGE VIANA \n", 855 | "TIPO_DESPESA Passagens aéreas, aquáticas e terrestres nacio... \n", 856 | "CNPJ_CPF 33.937.681/0001-78 \n", 857 | "FORNECEDOR LATAM \n", 858 | "DOCUMENTO OZALEF \n", 859 | "DATA 22/05/2018 \n", 860 | "DETALHAMENTO Companhia Aérea: LATAM, Localizador: OZALEF. P... \n", 861 | "VALOR_REEMBOLSADO 0.01 " 862 | ] 863 | }, 864 | "execution_count": 30, 865 | "metadata": {}, 866 | "output_type": "execute_result" 867 | } 868 | ], 869 | "source": [ 870 | "# Quais são os 5 menos reembolsos?\n", 871 | "df.nsmallest(5, 'VALOR_REEMBOLSADO').T" 872 | ] 873 | }, 874 | { 875 | "cell_type": "code", 876 | "execution_count": 33, 877 | "metadata": {}, 878 | "outputs": [ 879 | { 880 | "data": { 881 | "text/plain": [ 882 | "Locomoção, hospedagem, alimentação, combustíveis e lubrificantes 10147\n", 883 | "Passagens aéreas, aquáticas e terrestres nacionais 5820\n", 884 | "Aluguel de imóveis para escritório político, compreendendo despesas concernentes a eles. 5042\n", 885 | "Aquisição de material de consumo para uso no escritório político, inclusive aquisição ou locação de software, despesas postais, aquisição de publicações, locação de móveis e de equipamentos. 1761\n", 886 | "Contratação de consultorias, assessorias, pesquisas, trabalhos técnicos e outros serviços de apoio ao exercício do mandato parlamentar 928\n", 887 | "Divulgação da atividade parlamentar 750\n", 888 | "Serviços de Segurança Privada 44\n", 889 | "Name: TIPO_DESPESA, dtype: int64" 890 | ] 891 | }, 892 | "execution_count": 33, 893 | "metadata": {}, 894 | "output_type": "execute_result" 895 | } 896 | ], 897 | "source": [ 898 | "# Quantidade de reembolsos por tipo de despesa\n", 899 | "df['TIPO_DESPESA'].value_counts()" 900 | ] 901 | }, 902 | { 903 | "cell_type": "code", 904 | "execution_count": 35, 905 | "metadata": {}, 906 | "outputs": [ 907 | { 908 | "data": { 909 | "text/plain": [ 910 | "TIPO_DESPESA\n", 911 | "Passagens aéreas, aquáticas e terrestres nacionais 6335284.94\n", 912 | "Locomoção, hospedagem, alimentação, combustíveis e lubrificantes 5620092.84\n", 913 | "Aluguel de imóveis para escritório político, compreendendo despesas concernentes a eles. 5041438.25\n", 914 | "Contratação de consultorias, assessorias, pesquisas, trabalhos técnicos e outros serviços de apoio ao exercício do mandato parlamentar 4966449.41\n", 915 | "Divulgação da atividade parlamentar 2568910.24\n", 916 | "Aquisição de material de consumo para uso no escritório político, inclusive aquisição ou locação de software, despesas postais, aquisição de publicações, locação de móveis e de equipamentos. 900312.04\n", 917 | "Serviços de Segurança Privada 172213.61\n", 918 | "Name: VALOR_REEMBOLSADO, dtype: float64" 919 | ] 920 | }, 921 | "execution_count": 35, 922 | "metadata": {}, 923 | "output_type": "execute_result" 924 | } 925 | ], 926 | "source": [ 927 | "# Quais são os valores totais de reembolso por tipo de despesa?\n", 928 | "df.groupby('TIPO_DESPESA')['VALOR_REEMBOLSADO'].sum().sort_values(ascending=False)" 929 | ] 930 | }, 931 | { 932 | "cell_type": "code", 933 | "execution_count": null, 934 | "metadata": {}, 935 | "outputs": [], 936 | "source": [] 937 | } 938 | ], 939 | "metadata": { 940 | "kernelspec": { 941 | "display_name": "Python 3", 942 | "language": "python", 943 | "name": "python3" 944 | }, 945 | "language_info": { 946 | "codemirror_mode": { 947 | "name": "ipython", 948 | "version": 3 949 | }, 950 | "file_extension": ".py", 951 | "mimetype": "text/x-python", 952 | "name": "python", 953 | "nbconvert_exporter": "python", 954 | "pygments_lexer": "ipython3", 955 | "version": "3.7.1" 956 | } 957 | }, 958 | "nbformat": 4, 959 | "nbformat_minor": 2 960 | } 961 | -------------------------------------------------------------------------------- /csv_pronatec.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 3, 6 | "metadata": {}, 7 | "outputs": [], 8 | "source": [ 9 | "# Importando bibliotecas\n", 10 | "# Por convenção vamos chamar o pandas de pd\n", 11 | "import pandas as pd" 12 | ] 13 | }, 14 | { 15 | "cell_type": "code", 16 | "execution_count": 12, 17 | "metadata": {}, 18 | "outputs": [ 19 | { 20 | "data": { 21 | "text/html": [ 22 | "
\n", 23 | "\n", 36 | "\n", 37 | " \n", 38 | " \n", 39 | " \n", 40 | " \n", 41 | " \n", 42 | " \n", 43 | " \n", 44 | " \n", 45 | " \n", 46 | " \n", 47 | " \n", 48 | " \n", 49 | " \n", 50 | " \n", 51 | " \n", 52 | " \n", 53 | " \n", 54 | " \n", 55 | " \n", 56 | " \n", 57 | " \n", 58 | " \n", 59 | " \n", 60 | " \n", 61 | " \n", 62 | " \n", 63 | " \n", 64 | " \n", 65 | " \n", 66 | " \n", 67 | " \n", 68 | " \n", 69 | " \n", 70 | " \n", 71 | " \n", 72 | " \n", 73 | " \n", 74 | " \n", 75 | " \n", 76 | " \n", 77 | " \n", 78 | " \n", 79 | " \n", 80 | " \n", 81 | " \n", 82 | " \n", 83 | " \n", 84 | " \n", 85 | " \n", 86 | " \n", 87 | " \n", 88 | " \n", 89 | " \n", 90 | " \n", 91 | " \n", 92 | " \n", 93 | " \n", 94 | " \n", 95 | " \n", 96 | " \n", 97 | " \n", 98 | " \n", 99 | " \n", 100 | " \n", 101 | " \n", 102 | " \n", 103 | " \n", 104 | " \n", 105 | " \n", 106 | " \n", 107 | "
CODIGO_UNIDADENOME_UNIDADEDT_AUTORIZA_FUNCIONA_UNIDNOME_REGIAO_UNIDADESIGLA_UF_UNIDADENOME_MUNICIPIO_UNIDADENOME_MESORREGIAO_UNIDADENOME_MICRORREGIAO_UNIDADE
02879INSTITUTO FEDERAL DA BAHIA - CAMPUS EUNÁPOLIS07-01-2009NordesteBAEunápolisSul BaianoPorto Seguro
12948INSTITUTO FEDERAL BAIANO - CAMPUS ITAPETINGA07-01-2009NordesteBAItapetingaCentro Sul BaianoItapetinga
214328INSTITUTO FEDERAL DO ACRE - CAMPUS SENA MADUREIRA30-12-2008NorteACSena MadureiraVale do AcreSena Madureira
314547INSTITUTO FEDERAL DE ALAGOAS - CAMPUS ARAPIRACA06-07-2010NordesteALArapiracaAgreste AlagoanoArapiraca
432010INSTITUTO FEDERAL DE ALAGOAS - CAMPUS CORURIPE22-01-2014NordesteALCoruripeLeste AlagoanoSão Miguel dos Campos
\n", 108 | "
" 109 | ], 110 | "text/plain": [ 111 | " CODIGO_UNIDADE NOME_UNIDADE \\\n", 112 | "0 2879 INSTITUTO FEDERAL DA BAHIA - CAMPUS EUNÁPOLIS \n", 113 | "1 2948 INSTITUTO FEDERAL BAIANO - CAMPUS ITAPETINGA \n", 114 | "2 14328 INSTITUTO FEDERAL DO ACRE - CAMPUS SENA MADUREIRA \n", 115 | "3 14547 INSTITUTO FEDERAL DE ALAGOAS - CAMPUS ARAPIRACA \n", 116 | "4 32010 INSTITUTO FEDERAL DE ALAGOAS - CAMPUS CORURIPE \n", 117 | "\n", 118 | " DT_AUTORIZA_FUNCIONA_UNID NOME_REGIAO_UNIDADE SIGLA_UF_UNIDADE \\\n", 119 | "0 07-01-2009 Nordeste BA \n", 120 | "1 07-01-2009 Nordeste BA \n", 121 | "2 30-12-2008 Norte AC \n", 122 | "3 06-07-2010 Nordeste AL \n", 123 | "4 22-01-2014 Nordeste AL \n", 124 | "\n", 125 | " NOME_MUNICIPIO_UNIDADE NOME_MESORREGIAO_UNIDADE NOME_MICRORREGIAO_UNIDADE \n", 126 | "0 Eunápolis Sul Baiano Porto Seguro \n", 127 | "1 Itapetinga Centro Sul Baiano Itapetinga \n", 128 | "2 Sena Madureira Vale do Acre Sena Madureira \n", 129 | "3 Arapiraca Agreste Alagoano Arapiraca \n", 130 | "4 Coruripe Leste Alagoano São Miguel dos Campos " 131 | ] 132 | }, 133 | "execution_count": 12, 134 | "metadata": {}, 135 | "output_type": "execute_result" 136 | } 137 | ], 138 | "source": [ 139 | "# Carregar o arquivo CSV\n", 140 | "# Pandas vai converter o arquivo em um DataFrame\n", 141 | "# Por convenção, chamamos o DataFrame de df\n", 142 | "# O arquivo é separado por ';', por isso informamos o parâmetro 'sep'\n", 143 | "# O arquivo é codificado como cp1252\n", 144 | "df = pd.read_csv('PDA_UNIDADES_RF_EPCT_CSV.csv', sep=';', encoding='cp1252')\n", 145 | "\n", 146 | "# Mostra as 5 primeiras linhas do DataFrame\n", 147 | "df.head()" 148 | ] 149 | }, 150 | { 151 | "cell_type": "code", 152 | "execution_count": 14, 153 | "metadata": {}, 154 | "outputs": [ 155 | { 156 | "data": { 157 | "text/plain": [ 158 | "CODIGO_UNIDADE 618\n", 159 | "NOME_UNIDADE 618\n", 160 | "DT_AUTORIZA_FUNCIONA_UNID 618\n", 161 | "NOME_REGIAO_UNIDADE 618\n", 162 | "SIGLA_UF_UNIDADE 618\n", 163 | "NOME_MUNICIPIO_UNIDADE 618\n", 164 | "NOME_MESORREGIAO_UNIDADE 618\n", 165 | "NOME_MICRORREGIAO_UNIDADE 618\n", 166 | "dtype: int64" 167 | ] 168 | }, 169 | "execution_count": 14, 170 | "metadata": {}, 171 | "output_type": "execute_result" 172 | } 173 | ], 174 | "source": [ 175 | "# Quantas escolas no arquivo?\n", 176 | "df.count()" 177 | ] 178 | }, 179 | { 180 | "cell_type": "code", 181 | "execution_count": 15, 182 | "metadata": {}, 183 | "outputs": [ 184 | { 185 | "data": { 186 | "text/html": [ 187 | "
\n", 188 | "\n", 201 | "\n", 202 | " \n", 203 | " \n", 204 | " \n", 205 | " \n", 206 | " \n", 207 | " \n", 208 | " \n", 209 | " \n", 210 | " \n", 211 | " \n", 212 | " \n", 213 | " \n", 214 | " \n", 215 | " \n", 216 | " \n", 217 | " \n", 218 | " \n", 219 | " \n", 220 | " \n", 221 | " \n", 222 | " \n", 223 | " \n", 224 | " \n", 225 | " \n", 226 | " \n", 227 | " \n", 228 | " \n", 229 | " \n", 230 | " \n", 231 | " \n", 232 | " \n", 233 | " \n", 234 | " \n", 235 | " \n", 236 | " \n", 237 | " \n", 238 | " \n", 239 | " \n", 240 | " \n", 241 | " \n", 242 | "
CODIGO_UNIDADE
count618.000000
mean16255.610032
std12973.588737
min354.000000
25%2998.500000
50%13840.500000
75%30818.250000
max44307.000000
\n", 243 | "
" 244 | ], 245 | "text/plain": [ 246 | " CODIGO_UNIDADE\n", 247 | "count 618.000000\n", 248 | "mean 16255.610032\n", 249 | "std 12973.588737\n", 250 | "min 354.000000\n", 251 | "25% 2998.500000\n", 252 | "50% 13840.500000\n", 253 | "75% 30818.250000\n", 254 | "max 44307.000000" 255 | ] 256 | }, 257 | "execution_count": 15, 258 | "metadata": {}, 259 | "output_type": "execute_result" 260 | } 261 | ], 262 | "source": [ 263 | "# Descreve as colunas numéricas\n", 264 | "df.describe()" 265 | ] 266 | }, 267 | { 268 | "cell_type": "code", 269 | "execution_count": 16, 270 | "metadata": {}, 271 | "outputs": [ 272 | { 273 | "data": { 274 | "text/plain": [ 275 | "CODIGO_UNIDADE int64\n", 276 | "NOME_UNIDADE object\n", 277 | "DT_AUTORIZA_FUNCIONA_UNID object\n", 278 | "NOME_REGIAO_UNIDADE object\n", 279 | "SIGLA_UF_UNIDADE object\n", 280 | "NOME_MUNICIPIO_UNIDADE object\n", 281 | "NOME_MESORREGIAO_UNIDADE object\n", 282 | "NOME_MICRORREGIAO_UNIDADE object\n", 283 | "dtype: object" 284 | ] 285 | }, 286 | "execution_count": 16, 287 | "metadata": {}, 288 | "output_type": "execute_result" 289 | } 290 | ], 291 | "source": [ 292 | "# Mostra o tipo de cada coluna do DataFrame\n", 293 | "df.dtypes" 294 | ] 295 | }, 296 | { 297 | "cell_type": "code", 298 | "execution_count": 18, 299 | "metadata": {}, 300 | "outputs": [ 301 | { 302 | "data": { 303 | "text/plain": [ 304 | "Nordeste 202\n", 305 | "Sudeste 163\n", 306 | "Sul 116\n", 307 | "Norte 70\n", 308 | "Centro-Oeste 67\n", 309 | "Name: NOME_REGIAO_UNIDADE, dtype: int64" 310 | ] 311 | }, 312 | "execution_count": 18, 313 | "metadata": {}, 314 | "output_type": "execute_result" 315 | } 316 | ], 317 | "source": [ 318 | "# Quantas escolas existem em cada região do Brasil\n", 319 | "df['NOME_REGIAO_UNIDADE'].value_counts()" 320 | ] 321 | }, 322 | { 323 | "cell_type": "code", 324 | "execution_count": 21, 325 | "metadata": {}, 326 | "outputs": [ 327 | { 328 | "data": { 329 | "text/plain": [ 330 | "MG 67\n", 331 | "RS 45\n", 332 | "RJ 39\n", 333 | "SC 36\n", 334 | "PR 35\n", 335 | "SP 35\n", 336 | "BA 34\n", 337 | "CE 27\n", 338 | "MA 27\n", 339 | "GO 26\n", 340 | "PI 23\n", 341 | "PE 23\n", 342 | "RN 23\n", 343 | "ES 22\n", 344 | "PB 21\n", 345 | "PA 20\n", 346 | "MT 19\n", 347 | "AL 16\n", 348 | "AM 15\n", 349 | "MS 11\n", 350 | "TO 11\n", 351 | "DF 11\n", 352 | "RO 8\n", 353 | "SE 8\n", 354 | "AC 6\n", 355 | "RR 6\n", 356 | "AP 4\n", 357 | "Name: SIGLA_UF_UNIDADE, dtype: int64" 358 | ] 359 | }, 360 | "execution_count": 21, 361 | "metadata": {}, 362 | "output_type": "execute_result" 363 | } 364 | ], 365 | "source": [ 366 | "# Vamos contar agora por Unidade da Federação (Estado)\n", 367 | "df['SIGLA_UF_UNIDADE'].value_counts()" 368 | ] 369 | }, 370 | { 371 | "cell_type": "code", 372 | "execution_count": 23, 373 | "metadata": {}, 374 | "outputs": [ 375 | { 376 | "data": { 377 | "text/plain": [ 378 | "" 379 | ] 380 | }, 381 | "execution_count": 23, 382 | "metadata": {}, 383 | "output_type": "execute_result" 384 | }, 385 | { 386 | "data": { 387 | "image/png": "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\n", 388 | "text/plain": [ 389 | "
" 390 | ] 391 | }, 392 | "metadata": { 393 | "needs_background": "light" 394 | }, 395 | "output_type": "display_data" 396 | } 397 | ], 398 | "source": [ 399 | "# Mostrando os dados em um gráfico\n", 400 | "\n", 401 | "# Nós precisamos informar que queremos visualizar o gráfico dentro\n", 402 | "# do próprio jupyter notebook\n", 403 | "%matplotlib inline\n", 404 | "\n", 405 | "# Agora vamos pegar as escolas por UF e mostrar em um gráfico\n", 406 | "# de barras\n", 407 | "df['SIGLA_UF_UNIDADE'].value_counts().plot.bar()" 408 | ] 409 | } 410 | ], 411 | "metadata": { 412 | "kernelspec": { 413 | "display_name": "Python 3", 414 | "language": "python", 415 | "name": "python3" 416 | }, 417 | "language_info": { 418 | "codemirror_mode": { 419 | "name": "ipython", 420 | "version": 3 421 | }, 422 | "file_extension": ".py", 423 | "mimetype": "text/x-python", 424 | "name": "python", 425 | "nbconvert_exporter": "python", 426 | "pygments_lexer": "ipython3", 427 | "version": "3.7.1" 428 | } 429 | }, 430 | "nbformat": 4, 431 | "nbformat_minor": 2 432 | } 433 | -------------------------------------------------------------------------------- /excel_filmes_exibidos_brasil_2009_2017.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "markdown", 5 | "metadata": {}, 6 | "source": [ 7 | "# Análise de dados de filmes exibidos no Brasil de 2009 a 2017\n", 8 | "Com base nos dados da Ancine (http://oca.ancine.gov.br), vamos analisar os filmes exibidos no Brasil\n", 9 | "\n", 10 | "Arquivo -> 2120_0.xlsx" 11 | ] 12 | }, 13 | { 14 | "cell_type": "code", 15 | "execution_count": 1, 16 | "metadata": {}, 17 | "outputs": [], 18 | "source": [ 19 | "# Importando as bibliotecas\n", 20 | "import pandas as pd\n", 21 | "# Configurando o matplotlib\n", 22 | "%matplotlib inline" 23 | ] 24 | }, 25 | { 26 | "cell_type": "code", 27 | "execution_count": 6, 28 | "metadata": {}, 29 | "outputs": [], 30 | "source": [ 31 | "# Criando o DataFrame com base no arquivo Excel\n", 32 | "# Precisamos pular as 2 primeiras linhas\n", 33 | "# Precisamos desconsiderar as últimas 16 linhas\n", 34 | "df = pd.read_excel('2120_0.xlsx', skiprows=2, skipfooter=16)" 35 | ] 36 | }, 37 | { 38 | "cell_type": "code", 39 | "execution_count": 7, 40 | "metadata": {}, 41 | "outputs": [ 42 | { 43 | "data": { 44 | "text/html": [ 45 | "
\n", 46 | "\n", 59 | "\n", 60 | " \n", 61 | " \n", 62 | " \n", 63 | " \n", 64 | " \n", 65 | " \n", 66 | " \n", 67 | " \n", 68 | " \n", 69 | " \n", 70 | " \n", 71 | " \n", 72 | " \n", 73 | " \n", 74 | " \n", 75 | " \n", 76 | " \n", 77 | " \n", 78 | " \n", 79 | " \n", 80 | " \n", 81 | " \n", 82 | " \n", 83 | " \n", 84 | " \n", 85 | " \n", 86 | " \n", 87 | " \n", 88 | " \n", 89 | " \n", 90 | " \n", 91 | " \n", 92 | " \n", 93 | " \n", 94 | " \n", 95 | " \n", 96 | " \n", 97 | " \n", 98 | " \n", 99 | " \n", 100 | " \n", 101 | " \n", 102 | " \n", 103 | " \n", 104 | " \n", 105 | " \n", 106 | " \n", 107 | " \n", 108 | " \n", 109 | " \n", 110 | " \n", 111 | " \n", 112 | " \n", 113 | " \n", 114 | " \n", 115 | " \n", 116 | " \n", 117 | " \n", 118 | " \n", 119 | " \n", 120 | " \n", 121 | " \n", 122 | " \n", 123 | " \n", 124 | " \n", 125 | " \n", 126 | " \n", 127 | " \n", 128 | " \n", 129 | " \n", 130 | " \n", 131 | " \n", 132 | " \n", 133 | " \n", 134 | " \n", 135 | " \n", 136 | " \n", 137 | " \n", 138 | " \n", 139 | " \n", 140 | " \n", 141 | " \n", 142 | "
Ano de exibiçãoTítulo da obraGêneroPaís(es) produtor(es) da obraNacionalidade da obraData de lançamentoDistribuidoraOrigem da empresa distribuidoraPúblico no ano de exibiçãoRenda (R$) no ano de exibição
02017#ScreamersFicçãoEstados UnidosEstrangeiros2017-11-30 00:00:00Cineart FilmesDistribuição Nacional7149437.45
1201710 Centavos para o Número da BestaDocumentárioBrasilBrasileiros2017-11-28 00:00:00Ponto de EquilíbrioDistribuição Nacional763.00
22017120 batimentos por minutoFicçãoFrançaEstrangeiros2018-01-04 00:00:00ImovisionDistribuição Nacional2623791.63
3201713 MinutosFicçãoAlemanhaEstrangeiros2016-11-03 00:00:00Alphaville FilmesDistribuição Nacional6206463.50
42017150 MiligramasFicçãoFrançaEstrangeiros2017-08-31 00:00:00CalifórniaDistribuição Nacional77110508.71
\n", 143 | "
" 144 | ], 145 | "text/plain": [ 146 | " Ano de exibição Título da obra Gênero \\\n", 147 | "0 2017 #Screamers Ficção \n", 148 | "1 2017 10 Centavos para o Número da Besta Documentário \n", 149 | "2 2017 120 batimentos por minuto Ficção \n", 150 | "3 2017 13 Minutos Ficção \n", 151 | "4 2017 150 Miligramas Ficção \n", 152 | "\n", 153 | " País(es) produtor(es) da obra Nacionalidade da obra Data de lançamento \\\n", 154 | "0 Estados Unidos Estrangeiros 2017-11-30 00:00:00 \n", 155 | "1 Brasil Brasileiros 2017-11-28 00:00:00 \n", 156 | "2 França Estrangeiros 2018-01-04 00:00:00 \n", 157 | "3 Alemanha Estrangeiros 2016-11-03 00:00:00 \n", 158 | "4 França Estrangeiros 2017-08-31 00:00:00 \n", 159 | "\n", 160 | " Distribuidora Origem da empresa distribuidora \\\n", 161 | "0 Cineart Filmes Distribuição Nacional \n", 162 | "1 Ponto de Equilíbrio Distribuição Nacional \n", 163 | "2 Imovision Distribuição Nacional \n", 164 | "3 Alphaville Filmes Distribuição Nacional \n", 165 | "4 Califórnia Distribuição Nacional \n", 166 | "\n", 167 | " Público no ano de exibição Renda (R$) no ano de exibição \n", 168 | "0 714 9437.45 \n", 169 | "1 7 63.00 \n", 170 | "2 262 3791.63 \n", 171 | "3 620 6463.50 \n", 172 | "4 771 10508.71 " 173 | ] 174 | }, 175 | "execution_count": 7, 176 | "metadata": {}, 177 | "output_type": "execute_result" 178 | } 179 | ], 180 | "source": [ 181 | "# Exibindo as primeiras linhas\n", 182 | "df.head()" 183 | ] 184 | }, 185 | { 186 | "cell_type": "code", 187 | "execution_count": 8, 188 | "metadata": {}, 189 | "outputs": [ 190 | { 191 | "data": { 192 | "text/html": [ 193 | "
\n", 194 | "\n", 207 | "\n", 208 | " \n", 209 | " \n", 210 | " \n", 211 | " \n", 212 | " \n", 213 | " \n", 214 | " \n", 215 | " \n", 216 | " \n", 217 | " \n", 218 | " \n", 219 | " \n", 220 | " \n", 221 | " \n", 222 | " \n", 223 | " \n", 224 | " \n", 225 | " \n", 226 | " \n", 227 | " \n", 228 | " \n", 229 | " \n", 230 | " \n", 231 | " \n", 232 | " \n", 233 | " \n", 234 | " \n", 235 | " \n", 236 | " \n", 237 | " \n", 238 | " \n", 239 | " \n", 240 | " \n", 241 | " \n", 242 | " \n", 243 | " \n", 244 | " \n", 245 | " \n", 246 | " \n", 247 | " \n", 248 | " \n", 249 | " \n", 250 | " \n", 251 | " \n", 252 | " \n", 253 | " \n", 254 | " \n", 255 | " \n", 256 | " \n", 257 | " \n", 258 | " \n", 259 | " \n", 260 | " \n", 261 | " \n", 262 | " \n", 263 | " \n", 264 | " \n", 265 | " \n", 266 | " \n", 267 | " \n", 268 | " \n", 269 | " \n", 270 | " \n", 271 | " \n", 272 | " \n", 273 | " \n", 274 | " \n", 275 | " \n", 276 | " \n", 277 | " \n", 278 | " \n", 279 | " \n", 280 | " \n", 281 | " \n", 282 | " \n", 283 | " \n", 284 | " \n", 285 | " \n", 286 | " \n", 287 | " \n", 288 | " \n", 289 | " \n", 290 | "
Ano de exibiçãoTítulo da obraGêneroPaís(es) produtor(es) da obraNacionalidade da obraData de lançamentoDistribuidoraOrigem da empresa distribuidoraPúblico no ano de exibiçãoRenda (R$) no ano de exibição
56862009X-Men Origens: WolverineFicçãoEstados UnidosEstrangeiros2009-05-01 00:00:00FoxDistribuição Internacional319943427352313.00
56872009Xuxa em o Mistério de FeiurinhaFicçãoBrasilBrasileiros2009-12-25 00:00:00PlayarteDistribuição Nacional2501091766416.65
56882009Xuxa em Sonho de MeninaFicçãoBrasilBrasileiros2007-12-21 00:00:00WarnerDistribuição Internacional891426880.00
56892009Xuxa GêmeasFicçãoBrasilBrasileiros2006-12-15 00:00:00FoxDistribuição Internacional16715013.00
56902009Zico na RedeDocumentárioBrasilBrasileiros2009-07-03 00:00:00Business TelecomDistribuição Nacional5462529.50
\n", 291 | "
" 292 | ], 293 | "text/plain": [ 294 | " Ano de exibição Título da obra Gênero \\\n", 295 | "5686 2009 X-Men Origens: Wolverine Ficção \n", 296 | "5687 2009 Xuxa em o Mistério de Feiurinha Ficção \n", 297 | "5688 2009 Xuxa em Sonho de Menina Ficção \n", 298 | "5689 2009 Xuxa Gêmeas Ficção \n", 299 | "5690 2009 Zico na Rede Documentário \n", 300 | "\n", 301 | " País(es) produtor(es) da obra Nacionalidade da obra Data de lançamento \\\n", 302 | "5686 Estados Unidos Estrangeiros 2009-05-01 00:00:00 \n", 303 | "5687 Brasil Brasileiros 2009-12-25 00:00:00 \n", 304 | "5688 Brasil Brasileiros 2007-12-21 00:00:00 \n", 305 | "5689 Brasil Brasileiros 2006-12-15 00:00:00 \n", 306 | "5690 Brasil Brasileiros 2009-07-03 00:00:00 \n", 307 | "\n", 308 | " Distribuidora Origem da empresa distribuidora \\\n", 309 | "5686 Fox Distribuição Internacional \n", 310 | "5687 Playarte Distribuição Nacional \n", 311 | "5688 Warner Distribuição Internacional \n", 312 | "5689 Fox Distribuição Internacional \n", 313 | "5690 Business Telecom Distribuição Nacional \n", 314 | "\n", 315 | " Público no ano de exibição Renda (R$) no ano de exibição \n", 316 | "5686 3199434 27352313.00 \n", 317 | "5687 250109 1766416.65 \n", 318 | "5688 8914 26880.00 \n", 319 | "5689 1671 5013.00 \n", 320 | "5690 546 2529.50 " 321 | ] 322 | }, 323 | "execution_count": 8, 324 | "metadata": {}, 325 | "output_type": "execute_result" 326 | } 327 | ], 328 | "source": [ 329 | "# Exibindo as últimas linhas\n", 330 | "df.tail()" 331 | ] 332 | }, 333 | { 334 | "cell_type": "code", 335 | "execution_count": 11, 336 | "metadata": {}, 337 | "outputs": [ 338 | { 339 | "data": { 340 | "text/plain": [ 341 | "Ano de exibição int64\n", 342 | "Título da obra object\n", 343 | "Gênero object\n", 344 | "País(es) produtor(es) da obra object\n", 345 | "Nacionalidade da obra object\n", 346 | "Data de lançamento object\n", 347 | "Distribuidora object\n", 348 | "Origem da empresa distribuidora object\n", 349 | "Público no ano de exibição int64\n", 350 | "Renda (R$) no ano de exibição float64\n", 351 | "dtype: object" 352 | ] 353 | }, 354 | "execution_count": 11, 355 | "metadata": {}, 356 | "output_type": "execute_result" 357 | } 358 | ], 359 | "source": [ 360 | "# Verificar os tipos das colunas\n", 361 | "df.dtypes" 362 | ] 363 | }, 364 | { 365 | "cell_type": "code", 366 | "execution_count": 12, 367 | "metadata": {}, 368 | "outputs": [ 369 | { 370 | "ename": "TypeError", 371 | "evalue": "invalid string coercion to datetime", 372 | "output_type": "error", 373 | "traceback": [ 374 | "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m", 375 | "\u001b[1;31mUnicodeEncodeError\u001b[0m Traceback (most recent call last)", 376 | "\u001b[1;32mpandas\\_libs\\tslib.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslib.array_to_datetime\u001b[1;34m()\u001b[0m\n", 377 | "\u001b[1;32mpandas\\_libs\\tslibs\\np_datetime.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslibs.np_datetime._string_to_dts\u001b[1;34m()\u001b[0m\n", 378 | "\u001b[1;31mUnicodeEncodeError\u001b[0m: 'ascii' codec can't encode character '\\xe7' in position 5: ordinal not in range(128)", 379 | "\nDuring handling of the above exception, another exception occurred:\n", 380 | "\u001b[1;31mValueError\u001b[0m Traceback (most recent call last)", 381 | "\u001b[1;32mpandas\\_libs\\tslib.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslib.array_to_datetime\u001b[1;34m()\u001b[0m\n", 382 | "\u001b[1;32mpandas\\_libs\\tslibs\\parsing.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslibs.parsing.parse_datetime_string\u001b[1;34m()\u001b[0m\n", 383 | "\u001b[1;32mD:\\Anaconda3\\lib\\site-packages\\dateutil\\parser\\_parser.py\u001b[0m in \u001b[0;36mparse\u001b[1;34m(timestr, parserinfo, **kwargs)\u001b[0m\n\u001b[0;32m 1355\u001b[0m \u001b[1;32melse\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 1356\u001b[1;33m \u001b[1;32mreturn\u001b[0m \u001b[0mDEFAULTPARSER\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mparse\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mtimestr\u001b[0m\u001b[1;33m,\u001b[0m \u001b[1;33m**\u001b[0m\u001b[0mkwargs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 1357\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n", 384 | "\u001b[1;32mD:\\Anaconda3\\lib\\site-packages\\dateutil\\parser\\_parser.py\u001b[0m in \u001b[0;36mparse\u001b[1;34m(self, timestr, default, ignoretz, tzinfos, **kwargs)\u001b[0m\n\u001b[0;32m 647\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0mres\u001b[0m \u001b[1;32mis\u001b[0m \u001b[1;32mNone\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 648\u001b[1;33m \u001b[1;32mraise\u001b[0m \u001b[0mValueError\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;34m\"Unknown string format:\"\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mtimestr\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 649\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n", 385 | "\u001b[1;31mValueError\u001b[0m: ('Unknown string format:', 'Relançamento')", 386 | "\nDuring handling of the above exception, another exception occurred:\n", 387 | "\u001b[1;31mTypeError\u001b[0m Traceback (most recent call last)", 388 | "\u001b[1;32m\u001b[0m in \u001b[0;36m\u001b[1;34m\u001b[0m\n\u001b[0;32m 1\u001b[0m \u001b[1;31m# Converter a coluna 'Data de lançamento' de object para data\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m----> 2\u001b[1;33m \u001b[0mdt\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;34m'Data de lançamento'\u001b[0m\u001b[1;33m]\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mpd\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mto_datetime\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mdf\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;34m'Data de lançamento'\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m", 389 | "\u001b[1;32mD:\\Anaconda3\\lib\\site-packages\\pandas\\core\\tools\\datetimes.py\u001b[0m in \u001b[0;36mto_datetime\u001b[1;34m(arg, errors, dayfirst, yearfirst, utc, box, format, exact, unit, infer_datetime_format, origin, cache)\u001b[0m\n\u001b[0;32m 449\u001b[0m \u001b[1;32melse\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 450\u001b[0m \u001b[1;32mfrom\u001b[0m \u001b[0mpandas\u001b[0m \u001b[1;32mimport\u001b[0m \u001b[0mSeries\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 451\u001b[1;33m \u001b[0mvalues\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0m_convert_listlike\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0marg\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_values\u001b[0m\u001b[1;33m,\u001b[0m \u001b[1;32mTrue\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mformat\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 452\u001b[0m \u001b[0mresult\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mSeries\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mvalues\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mindex\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0marg\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mindex\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mname\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0marg\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mname\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 453\u001b[0m \u001b[1;32melif\u001b[0m \u001b[0misinstance\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0marg\u001b[0m\u001b[1;33m,\u001b[0m \u001b[1;33m(\u001b[0m\u001b[0mABCDataFrame\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mMutableMapping\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n", 390 | "\u001b[1;32mD:\\Anaconda3\\lib\\site-packages\\pandas\\core\\tools\\datetimes.py\u001b[0m in \u001b[0;36m_convert_listlike\u001b[1;34m(arg, box, format, name, tz)\u001b[0m\n\u001b[0;32m 366\u001b[0m \u001b[0mdayfirst\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mdayfirst\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 367\u001b[0m \u001b[0myearfirst\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0myearfirst\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 368\u001b[1;33m \u001b[0mrequire_iso8601\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mrequire_iso8601\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 369\u001b[0m )\n\u001b[0;32m 370\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n", 391 | "\u001b[1;32mpandas\\_libs\\tslib.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslib.array_to_datetime\u001b[1;34m()\u001b[0m\n", 392 | "\u001b[1;32mpandas\\_libs\\tslib.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslib.array_to_datetime\u001b[1;34m()\u001b[0m\n", 393 | "\u001b[1;32mpandas\\_libs\\tslib.pyx\u001b[0m in \u001b[0;36mpandas._libs.tslib.array_to_datetime\u001b[1;34m()\u001b[0m\n", 394 | "\u001b[1;31mTypeError\u001b[0m: invalid string coercion to datetime" 395 | ] 396 | } 397 | ], 398 | "source": [ 399 | "# Converter a coluna 'Data de lançamento' de object para data\n", 400 | "dt['Data de lançamento'] = pd.to_datetime(df['Data de lançamento'])" 401 | ] 402 | }, 403 | { 404 | "cell_type": "code", 405 | "execution_count": 13, 406 | "metadata": {}, 407 | "outputs": [ 408 | { 409 | "data": { 410 | "text/plain": [ 411 | "Relançamento 175\n", 412 | "2015-12-03 00:00:00 33\n", 413 | "2012-12-21 00:00:00 33\n", 414 | "2013-11-29 00:00:00 29\n", 415 | "2012-11-02 00:00:00 27\n", 416 | "2015-11-12 00:00:00 25\n", 417 | "2015-11-19 00:00:00 25\n", 418 | "2013-11-01 00:00:00 23\n", 419 | "2013-12-06 00:00:00 23\n", 420 | "2013-10-11 00:00:00 23\n", 421 | "2016-11-17 00:00:00 23\n", 422 | "2014-11-06 00:00:00 21\n", 423 | "2011-11-11 00:00:00 21\n", 424 | "2011-12-02 00:00:00 21\n", 425 | "2013-09-13 00:00:00 21\n", 426 | "2009-12-11 00:00:00 20\n", 427 | "2011-09-30 00:00:00 19\n", 428 | "2016-11-10 00:00:00 19\n", 429 | "2011-12-09 00:00:00 19\n", 430 | "2013-12-20 00:00:00 19\n", 431 | "2014-06-19 00:00:00 19\n", 432 | "2013-09-06 00:00:00 18\n", 433 | "2016-12-01 00:00:00 18\n", 434 | "2015-12-10 00:00:00 18\n", 435 | "2015-11-26 00:00:00 18\n", 436 | "2011-11-25 00:00:00 18\n", 437 | "2014-12-04 00:00:00 18\n", 438 | "2015-08-20 00:00:00 18\n", 439 | "2016-11-24 00:00:00 18\n", 440 | "2012-10-12 00:00:00 18\n", 441 | " ... \n", 442 | "2018-03-15 00:00:00 1\n", 443 | "2014-07-26 00:00:00 1\n", 444 | "2017-12-02 00:00:00 1\n", 445 | "2017-12-25 00:00:00 1\n", 446 | "2008-02-15 00:00:00 1\n", 447 | "2004-11-06 00:00:00 1\n", 448 | "2018-02-22 00:00:00 1\n", 449 | "2015-09-29 00:00:00 1\n", 450 | "2010-05-08 00:00:00 1\n", 451 | "2014-01-18 00:00:00 1\n", 452 | "2009-10-03 00:00:00 1\n", 453 | "2018-04-12 00:00:00 1\n", 454 | "2008-10-18 00:00:00 1\n", 455 | "2015-09-12 00:00:00 1\n", 456 | "2007-11-02 00:00:00 1\n", 457 | "2009-03-14 00:00:00 1\n", 458 | "2006-12-15 00:00:00 1\n", 459 | "2005-10-07 00:00:00 1\n", 460 | "2006-09-29 00:00:00 1\n", 461 | "1998-10-30 00:00:00 1\n", 462 | "2018-01-18 00:00:00 1\n", 463 | "2015-01-01 00:00:00 1\n", 464 | "2013-06-15 00:00:00 1\n", 465 | "2006-08-11 00:00:00 1\n", 466 | "2011-02-05 00:00:00 1\n", 467 | "2009-10-28 00:00:00 1\n", 468 | "2011-07-02 00:00:00 1\n", 469 | "2011-08-13 00:00:00 1\n", 470 | "2014-10-01 00:00:00 1\n", 471 | "2006-10-13 00:00:00 1\n", 472 | "Name: Data de lançamento, Length: 759, dtype: int64" 473 | ] 474 | }, 475 | "execution_count": 13, 476 | "metadata": {}, 477 | "output_type": "execute_result" 478 | } 479 | ], 480 | "source": [ 481 | "# Vamos tentar identificar o problema da coluna 'Data de lançamento'\n", 482 | "df['Data de lançamento'].value_counts()" 483 | ] 484 | }, 485 | { 486 | "cell_type": "code", 487 | "execution_count": 15, 488 | "metadata": {}, 489 | "outputs": [ 490 | { 491 | "data": { 492 | "text/html": [ 493 | "
\n", 494 | "\n", 507 | "\n", 508 | " \n", 509 | " \n", 510 | " \n", 511 | " \n", 512 | " \n", 513 | " \n", 514 | " \n", 515 | " \n", 516 | " \n", 517 | " \n", 518 | " \n", 519 | " \n", 520 | " \n", 521 | " \n", 522 | " \n", 523 | " \n", 524 | " \n", 525 | " \n", 526 | " \n", 527 | " \n", 528 | " \n", 529 | " \n", 530 | " \n", 531 | " \n", 532 | " \n", 533 | " \n", 534 | " \n", 535 | " \n", 536 | " \n", 537 | " \n", 538 | " \n", 539 | " \n", 540 | " \n", 541 | " \n", 542 | " \n", 543 | " \n", 544 | " \n", 545 | " \n", 546 | " \n", 547 | " \n", 548 | " \n", 549 | " \n", 550 | " \n", 551 | " \n", 552 | " \n", 553 | " \n", 554 | " \n", 555 | " \n", 556 | " \n", 557 | " \n", 558 | " \n", 559 | " \n", 560 | " \n", 561 | " \n", 562 | " \n", 563 | " \n", 564 | " \n", 565 | " \n", 566 | " \n", 567 | " \n", 568 | " \n", 569 | " \n", 570 | " \n", 571 | " \n", 572 | " \n", 573 | " \n", 574 | " \n", 575 | " \n", 576 | " \n", 577 | " \n", 578 | " \n", 579 | " \n", 580 | " \n", 581 | " \n", 582 | " \n", 583 | " \n", 584 | " \n", 585 | " \n", 586 | " \n", 587 | " \n", 588 | " \n", 589 | " \n", 590 | "
Ano de exibiçãoTítulo da obraGêneroPaís(es) produtor(es) da obraNacionalidade da obraData de lançamentoDistribuidoraOrigem da empresa distribuidoraPúblico no ano de exibiçãoRenda (R$) no ano de exibição
720178½FicçãoFrança, ItáliaEstrangeirosRelançamentoF. J. CinesDistribuição Nacional29196.00
112017A bela da tardeFicçãoFrança, ItáliaEstrangeirosRelançamentoZeta FilmesDistribuição Nacional301142839.31
362017A História sem FimFicçãoAlemanha, Estados UnidosEstrangeirosRelançamentoF. J. CinesDistribuição Nacional7976969.00
532017A primeira noite de um homemFicçãoEstados UnidosEstrangeirosRelançamentoZeta FilmesDistribuição Nacional1296.00
1282017Ballet Bolshoi: A bela adormecidaVídeomusicalInglaterraEstrangeirosRelançamentoUCIDistribuição Nacional150441391.00
\n", 591 | "
" 592 | ], 593 | "text/plain": [ 594 | " Ano de exibição Título da obra Gênero \\\n", 595 | "7 2017 8½ Ficção \n", 596 | "11 2017 A bela da tarde Ficção \n", 597 | "36 2017 A História sem Fim Ficção \n", 598 | "53 2017 A primeira noite de um homem Ficção \n", 599 | "128 2017 Ballet Bolshoi: A bela adormecida Vídeomusical \n", 600 | "\n", 601 | " País(es) produtor(es) da obra Nacionalidade da obra Data de lançamento \\\n", 602 | "7 França, Itália Estrangeiros Relançamento \n", 603 | "11 França, Itália Estrangeiros Relançamento \n", 604 | "36 Alemanha, Estados Unidos Estrangeiros Relançamento \n", 605 | "53 Estados Unidos Estrangeiros Relançamento \n", 606 | "128 Inglaterra Estrangeiros Relançamento \n", 607 | "\n", 608 | " Distribuidora Origem da empresa distribuidora Público no ano de exibição \\\n", 609 | "7 F. J. Cines Distribuição Nacional 29 \n", 610 | "11 Zeta Filmes Distribuição Nacional 3011 \n", 611 | "36 F. J. Cines Distribuição Nacional 797 \n", 612 | "53 Zeta Filmes Distribuição Nacional 12 \n", 613 | "128 UCI Distribuição Nacional 1504 \n", 614 | "\n", 615 | " Renda (R$) no ano de exibição \n", 616 | "7 196.00 \n", 617 | "11 42839.31 \n", 618 | "36 6969.00 \n", 619 | "53 96.00 \n", 620 | "128 41391.00 " 621 | ] 622 | }, 623 | "execution_count": 15, 624 | "metadata": {}, 625 | "output_type": "execute_result" 626 | } 627 | ], 628 | "source": [ 629 | " # Exibir alguns filmes que estão com data de lançamento igual à Relançamento\n", 630 | "df[df['Data de lançamento'] == 'Relançamento'].head()" 631 | ] 632 | }, 633 | { 634 | "cell_type": "markdown", 635 | "metadata": {}, 636 | "source": [ 637 | "## Decisão sobre dados incorretos/faltantes/divergentes" 638 | ] 639 | }, 640 | { 641 | "cell_type": "code", 642 | "execution_count": 19, 643 | "metadata": {}, 644 | "outputs": [], 645 | "source": [ 646 | "# Criar novo DataFrame sem os relançamentos\n", 647 | "df_novo = df[df['Data de lançamento'] != 'Relançamento'].copy()" 648 | ] 649 | }, 650 | { 651 | "cell_type": "code", 652 | "execution_count": 20, 653 | "metadata": {}, 654 | "outputs": [ 655 | { 656 | "data": { 657 | "text/plain": [ 658 | "(5516, 10)" 659 | ] 660 | }, 661 | "execution_count": 20, 662 | "metadata": {}, 663 | "output_type": "execute_result" 664 | } 665 | ], 666 | "source": [ 667 | "# Exibe o tamanho do DataFrame (linhas, colunas)\n", 668 | "df_novo.shape" 669 | ] 670 | }, 671 | { 672 | "cell_type": "code", 673 | "execution_count": 21, 674 | "metadata": {}, 675 | "outputs": [ 676 | { 677 | "data": { 678 | "text/plain": [ 679 | "Ano de exibição int64\n", 680 | "Título da obra object\n", 681 | "Gênero object\n", 682 | "País(es) produtor(es) da obra object\n", 683 | "Nacionalidade da obra object\n", 684 | "Data de lançamento object\n", 685 | "Distribuidora object\n", 686 | "Origem da empresa distribuidora object\n", 687 | "Público no ano de exibição int64\n", 688 | "Renda (R$) no ano de exibição float64\n", 689 | "dtype: object" 690 | ] 691 | }, 692 | "execution_count": 21, 693 | "metadata": {}, 694 | "output_type": "execute_result" 695 | } 696 | ], 697 | "source": [ 698 | "# Vamos verificar os tipos das colunas\n", 699 | "df_novo.dtypes" 700 | ] 701 | }, 702 | { 703 | "cell_type": "code", 704 | "execution_count": 23, 705 | "metadata": {}, 706 | "outputs": [], 707 | "source": [ 708 | "# Converter a coluna 'Data de lançamento' de object para data\n", 709 | "df_novo['Data de lançamento'] = pd.to_datetime(df_novo['Data de lançamento'])" 710 | ] 711 | }, 712 | { 713 | "cell_type": "code", 714 | "execution_count": 25, 715 | "metadata": {}, 716 | "outputs": [ 717 | { 718 | "data": { 719 | "text/plain": [ 720 | "Ano de exibição int64\n", 721 | "Título da obra object\n", 722 | "Gênero object\n", 723 | "País(es) produtor(es) da obra object\n", 724 | "Nacionalidade da obra object\n", 725 | "Data de lançamento datetime64[ns]\n", 726 | "Distribuidora object\n", 727 | "Origem da empresa distribuidora object\n", 728 | "Público no ano de exibição int64\n", 729 | "Renda (R$) no ano de exibição float64\n", 730 | "dtype: object" 731 | ] 732 | }, 733 | "execution_count": 25, 734 | "metadata": {}, 735 | "output_type": "execute_result" 736 | } 737 | ], 738 | "source": [ 739 | "# Vamos verificar os tipos das colunas\n", 740 | "df_novo.dtypes" 741 | ] 742 | }, 743 | { 744 | "cell_type": "code", 745 | "execution_count": 26, 746 | "metadata": {}, 747 | "outputs": [ 748 | { 749 | "data": { 750 | "text/plain": [ 751 | "2013 669\n", 752 | "2015 646\n", 753 | "2014 619\n", 754 | "2016 613\n", 755 | "2011 553\n", 756 | "2012 539\n", 757 | "2009 503\n", 758 | "2017 487\n", 759 | "2010 475\n", 760 | "2008 225\n", 761 | "2007 61\n", 762 | "2006 49\n", 763 | "2005 29\n", 764 | "2018 17\n", 765 | "2004 10\n", 766 | "2002 6\n", 767 | "2001 5\n", 768 | "2003 4\n", 769 | "1999 3\n", 770 | "2000 2\n", 771 | "1998 1\n", 772 | "Name: Data de lançamento, dtype: int64" 773 | ] 774 | }, 775 | "execution_count": 26, 776 | "metadata": {}, 777 | "output_type": "execute_result" 778 | } 779 | ], 780 | "source": [ 781 | "# Quais os anos tiverem mais filmes lançados?\n", 782 | "df_novo['Data de lançamento'].dt.year.value_counts()" 783 | ] 784 | }, 785 | { 786 | "cell_type": "code", 787 | "execution_count": 29, 788 | "metadata": {}, 789 | "outputs": [ 790 | { 791 | "data": { 792 | "text/plain": [ 793 | "" 794 | ] 795 | }, 796 | "execution_count": 29, 797 | "metadata": {}, 798 | "output_type": "execute_result" 799 | }, 800 | { 801 | "data": { 802 | "image/png": "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\n", 803 | "text/plain": [ 804 | "
" 805 | ] 806 | }, 807 | "metadata": { 808 | "needs_background": "light" 809 | }, 810 | "output_type": "display_data" 811 | } 812 | ], 813 | "source": [ 814 | "# Plotar gráfico com os lançamentos por ano\n", 815 | "df_novo['Data de lançamento'].dt.year.value_counts().plot.bar()" 816 | ] 817 | }, 818 | { 819 | "cell_type": "code", 820 | "execution_count": 30, 821 | "metadata": {}, 822 | "outputs": [ 823 | { 824 | "data": { 825 | "text/html": [ 826 | "
\n", 827 | "\n", 840 | "\n", 841 | " \n", 842 | " \n", 843 | " \n", 844 | " \n", 845 | " \n", 846 | " \n", 847 | " \n", 848 | " \n", 849 | " \n", 850 | " \n", 851 | " \n", 852 | " \n", 853 | " \n", 854 | " \n", 855 | " \n", 856 | " \n", 857 | " \n", 858 | " \n", 859 | " \n", 860 | " \n", 861 | " \n", 862 | " \n", 863 | " \n", 864 | " \n", 865 | " \n", 866 | " \n", 867 | " \n", 868 | " \n", 869 | " \n", 870 | " \n", 871 | "
Ano de exibiçãoTítulo da obraGêneroPaís(es) produtor(es) da obraNacionalidade da obraData de lançamentoDistribuidoraOrigem da empresa distribuidoraPúblico no ano de exibiçãoRenda (R$) no ano de exibição
22492015Vingadores: A Era de UltronFicçãoEstados UnidosEstrangeiros2015-04-23DisneyDistribuição Internacional10129071146184931.0
\n", 872 | "
" 873 | ], 874 | "text/plain": [ 875 | " Ano de exibição Título da obra Gênero \\\n", 876 | "2249 2015 Vingadores: A Era de Ultron Ficção \n", 877 | "\n", 878 | " País(es) produtor(es) da obra Nacionalidade da obra Data de lançamento \\\n", 879 | "2249 Estados Unidos Estrangeiros 2015-04-23 \n", 880 | "\n", 881 | " Distribuidora Origem da empresa distribuidora \\\n", 882 | "2249 Disney Distribuição Internacional \n", 883 | "\n", 884 | " Público no ano de exibição Renda (R$) no ano de exibição \n", 885 | "2249 10129071 146184931.0 " 886 | ] 887 | }, 888 | "execution_count": 30, 889 | "metadata": {}, 890 | "output_type": "execute_result" 891 | } 892 | ], 893 | "source": [ 894 | "# Qual é o filme que teve a maior bilheteria?\n", 895 | "df_novo[df_novo['Renda (R$) no ano de exibição'] == df_novo['Renda (R$) no ano de exibição'].max()]" 896 | ] 897 | }, 898 | { 899 | "cell_type": "code", 900 | "execution_count": 31, 901 | "metadata": {}, 902 | "outputs": [ 903 | { 904 | "data": { 905 | "text/html": [ 906 | "
\n", 907 | "\n", 920 | "\n", 921 | " \n", 922 | " \n", 923 | " \n", 924 | " \n", 925 | " \n", 926 | " \n", 927 | " \n", 928 | " \n", 929 | " \n", 930 | " \n", 931 | " \n", 932 | " \n", 933 | " \n", 934 | " \n", 935 | " \n", 936 | " \n", 937 | " \n", 938 | " \n", 939 | " \n", 940 | " \n", 941 | " \n", 942 | " \n", 943 | " \n", 944 | " \n", 945 | " \n", 946 | " \n", 947 | " \n", 948 | " \n", 949 | " \n", 950 | " \n", 951 | " \n", 952 | " \n", 953 | " \n", 954 | " \n", 955 | " \n", 956 | " \n", 957 | " \n", 958 | " \n", 959 | " \n", 960 | " \n", 961 | " \n", 962 | " \n", 963 | " \n", 964 | " \n", 965 | " \n", 966 | " \n", 967 | " \n", 968 | " \n", 969 | " \n", 970 | " \n", 971 | " \n", 972 | " \n", 973 | " \n", 974 | " \n", 975 | " \n", 976 | " \n", 977 | " \n", 978 | " \n", 979 | " \n", 980 | " \n", 981 | " \n", 982 | " \n", 983 | " \n", 984 | " \n", 985 | " \n", 986 | " \n", 987 | " \n", 988 | " \n", 989 | " \n", 990 | " \n", 991 | " \n", 992 | " \n", 993 | " \n", 994 | " \n", 995 | " \n", 996 | " \n", 997 | " \n", 998 | " \n", 999 | " \n", 1000 | " \n", 1001 | " \n", 1002 | " \n", 1003 | " \n", 1004 | " \n", 1005 | " \n", 1006 | " \n", 1007 | " \n", 1008 | " \n", 1009 | " \n", 1010 | " \n", 1011 | " \n", 1012 | " \n", 1013 | " \n", 1014 | " \n", 1015 | " \n", 1016 | " \n", 1017 | " \n", 1018 | " \n", 1019 | " \n", 1020 | " \n", 1021 | " \n", 1022 | " \n", 1023 | " \n", 1024 | " \n", 1025 | " \n", 1026 | " \n", 1027 | " \n", 1028 | " \n", 1029 | " \n", 1030 | " \n", 1031 | " \n", 1032 | " \n", 1033 | " \n", 1034 | " \n", 1035 | " \n", 1036 | " \n", 1037 | " \n", 1038 | " \n", 1039 | " \n", 1040 | " \n", 1041 | " \n", 1042 | " \n", 1043 | " \n", 1044 | " \n", 1045 | " \n", 1046 | " \n", 1047 | " \n", 1048 | " \n", 1049 | " \n", 1050 | " \n", 1051 | " \n", 1052 | " \n", 1053 | " \n", 1054 | " \n", 1055 | " \n", 1056 | " \n", 1057 | " \n", 1058 | " \n", 1059 | " \n", 1060 | " \n", 1061 | " \n", 1062 | " \n", 1063 | " \n", 1064 | " \n", 1065 | " \n", 1066 | " \n", 1067 | " \n", 1068 | " \n", 1069 | " \n", 1070 | " \n", 1071 | " \n", 1072 | " \n", 1073 | " \n", 1074 | " \n", 1075 | " \n", 1076 | " \n", 1077 | " \n", 1078 | " \n", 1079 | " \n", 1080 | " \n", 1081 | " \n", 1082 | " \n", 1083 | " \n", 1084 | " \n", 1085 | " \n", 1086 | " \n", 1087 | " \n", 1088 | " \n", 1089 | " \n", 1090 | " \n", 1091 | " \n", 1092 | " \n", 1093 | " \n", 1094 | " \n", 1095 | " \n", 1096 | " \n", 1097 | " \n", 1098 | " \n", 1099 | " \n", 1100 | " \n", 1101 | " \n", 1102 | " \n", 1103 | " \n", 1104 | " \n", 1105 | " \n", 1106 | " \n", 1107 | " \n", 1108 | " \n", 1109 | " \n", 1110 | " \n", 1111 | " \n", 1112 | " \n", 1113 | " \n", 1114 | " \n", 1115 | " \n", 1116 | " \n", 1117 | " \n", 1118 | " \n", 1119 | " \n", 1120 | " \n", 1121 | " \n", 1122 | " \n", 1123 | " \n", 1124 | " \n", 1125 | " \n", 1126 | " \n", 1127 | " \n", 1128 | " \n", 1129 | " \n", 1130 | " \n", 1131 | " \n", 1132 | " \n", 1133 | " \n", 1134 | " \n", 1135 | " \n", 1136 | " \n", 1137 | " \n", 1138 | " \n", 1139 | " \n", 1140 | " \n", 1141 | " \n", 1142 | " \n", 1143 | " \n", 1144 | " \n", 1145 | " \n", 1146 | " \n", 1147 | " \n", 1148 | " \n", 1149 | " \n", 1150 | " \n", 1151 | " \n", 1152 | " \n", 1153 | " \n", 1154 | " \n", 1155 | " \n", 1156 | " \n", 1157 | " \n", 1158 | " \n", 1159 | " \n", 1160 | " \n", 1161 | " \n", 1162 | " \n", 1163 | " \n", 1164 | " \n", 1165 | " \n", 1166 | " \n", 1167 | " \n", 1168 | " \n", 1169 | " \n", 1170 | " \n", 1171 | " \n", 1172 | " \n", 1173 | " \n", 1174 | " \n", 1175 | " \n", 1176 | " \n", 1177 | " \n", 1178 | " \n", 1179 | " \n", 1180 | " \n", 1181 | " \n", 1182 | " \n", 1183 | " \n", 1184 | " \n", 1185 | " \n", 1186 | " \n", 1187 | " \n", 1188 | " \n", 1189 | " \n", 1190 | " \n", 1191 | " \n", 1192 | " \n", 1193 | " \n", 1194 | " \n", 1195 | " \n", 1196 | " \n", 1197 | " \n", 1198 | " \n", 1199 | " \n", 1200 | " \n", 1201 | " \n", 1202 | " \n", 1203 | " \n", 1204 | " \n", 1205 | " \n", 1206 | " \n", 1207 | " \n", 1208 | " \n", 1209 | " \n", 1210 | " \n", 1211 | " \n", 1212 | " \n", 1213 | " \n", 1214 | " \n", 1215 | " \n", 1216 | " \n", 1217 | " \n", 1218 | " \n", 1219 | " \n", 1220 | " \n", 1221 | " \n", 1222 | " \n", 1223 | " \n", 1224 | " \n", 1225 | " \n", 1226 | " \n", 1227 | " \n", 1228 | " \n", 1229 | " \n", 1230 | " \n", 1231 | " \n", 1232 | " \n", 1233 | " \n", 1234 | " \n", 1235 | " \n", 1236 | " \n", 1237 | " \n", 1238 | " \n", 1239 | " \n", 1240 | " \n", 1241 | " \n", 1242 | " \n", 1243 | " \n", 1244 | " \n", 1245 | " \n", 1246 | " \n", 1247 | " \n", 1248 | " \n", 1249 | " \n", 1250 | " \n", 1251 | " \n", 1252 | " \n", 1253 | " \n", 1254 | " \n", 1255 | " \n", 1256 | " \n", 1257 | " \n", 1258 | " \n", 1259 | " \n", 1260 | " \n", 1261 | " \n", 1262 | " \n", 1263 | " \n", 1264 | " \n", 1265 | " \n", 1266 | " \n", 1267 | " \n", 1268 | " \n", 1269 | " \n", 1270 | " \n", 1271 | " \n", 1272 | " \n", 1273 | " \n", 1274 | " \n", 1275 | " \n", 1276 | "
Ano de exibiçãoTítulo da obraGêneroPaís(es) produtor(es) da obraNacionalidade da obraData de lançamentoDistribuidoraOrigem da empresa distribuidoraPúblico no ano de exibiçãoRenda (R$) no ano de exibição
22772014A Batalha do passinhoDocumentárioBrasilBrasileiros2013-10-11Cine Santa TeresaDistribuição Nacional3550.0
26082014Mar negroFicçãoBrasilBrasileiros2014-01-17PetriniDistribuição Nacional00.0
27282014O Último Lance do LeilãoFicçãoBrasilBrasileiros2014-05-01Sam Rádio PicturesDistribuição Nacional00.0
30412013As horas vulgaresFicçãoBrasilBrasileiros2013-08-09PetriniDistribuição Nacional00.0
30582013Beije-me outra vezFicçãoItáliaEstrangeiros2013-05-10PetriniDistribuição Nacional00.0
31052013Crazy HorseFicçãoEstados UnidosEstrangeiros2013-06-28PetriniDistribuição Nacional00.0
33902013Quase um tangoFicçãoBrasilBrasileiros2013-08-16NGM ProduçõesDistribuição Nacional00.0
34592013Todos os DiasFicçãoReino UnidoEstrangeiros2014-01-24Esfera ProduçõesDistribuição Nacional00.0
36032012Apenas entre NósFicçãoFrança, Eslovênia, Sérvia, CroáciaEstrangeiros2015-05-07LumeDistribuição Nacional00.0
36272012Ataque ao prédioFicçãoReino UnidoEstrangeiros2012-01-13SonyDistribuição Internacional00.0
36652012Clementina de Jesus - Rainha QueléDocumentárioBrasilBrasileiros2012-11-15Werinton Kermes Telles MarsalDistribuição Nacional00.0
37872012Luto em LutaDocumentárioBrasilBrasileiros2012-09-21Like FilmesDistribuição Nacional00.0
38152012Movimento BrownianoFicçãoHolandaEstrangeiros2012-07-06PetriniDistribuição Nacional00.0
38292012O abrigoFicçãoEstados UnidosEstrangeiros2012-06-01SonyDistribuição Internacional00.0
39202012Ponto OrgFicçãoBrasilBrasileiros2012-09-21Usina DigitalDistribuição Nacional00.0
40852011A Última Estrada da PraiaFicçãoBrasilBrasileiros2011-09-16Okna ProduçõesDistribuição Nacional00.0
44622011Poema de SalvaçãoFicçãoArgentinaEstrangeiros2011-09-30Canzión filmesDistribuição Nacional00.0
44662011Porta a porta – A política em dois temposDocumentárioBrasilBrasileiros2011-12-02Zéfiro ProduçõesDistribuição Nacional00.0
45872011WalachaiDocumentárioBrasilBrasileiros2011-11-18CicloramaDistribuição Nacional00.0
47322010Cine Cocoricó: As Aventuras na CidadeFicçãoBrasilBrasileiros2009-07-17MoviemobzDistribuição Nacional10.0
48532010Luto Como MãeDocumentárioBrasilBrasileiros2010-08-20TV Zero CinemaDistribuição Nacional00.0
50222010Simonal - Ninguém Sabe o Duro que DeiDocumentárioBrasilBrasileiros2009-05-15Moviemobz/RioFilmeDistribuição Nacional10.0
52032009As Chaves de CasaFicçãoItáliaEstrangeiros2006-01-06Filmes do EstaçãoDistribuição Nacional00.0
54632009Naufrágio - Mistério e Morte na Catástrofe do ...DocumentárioBrasilBrasileiros2009-12-25Master Shot ProduçõesDistribuição Nacional00.0
55912009SantiagoDocumentárioBrasilBrasileiros2007-08-24VideofilmesDistribuição Nacional00.0
56662009Vamos Subir, LeãoDocumentárioBrasilBrasileiros2009-03-20Canal 3Distribuição Nacional00.0
\n", 1277 | "
" 1278 | ], 1279 | "text/plain": [ 1280 | " Ano de exibição Título da obra \\\n", 1281 | "2277 2014 A Batalha do passinho \n", 1282 | "2608 2014 Mar negro \n", 1283 | "2728 2014 O Último Lance do Leilão \n", 1284 | "3041 2013 As horas vulgares \n", 1285 | "3058 2013 Beije-me outra vez \n", 1286 | "3105 2013 Crazy Horse \n", 1287 | "3390 2013 Quase um tango \n", 1288 | "3459 2013 Todos os Dias \n", 1289 | "3603 2012 Apenas entre Nós \n", 1290 | "3627 2012 Ataque ao prédio \n", 1291 | "3665 2012 Clementina de Jesus - Rainha Quelé \n", 1292 | "3787 2012 Luto em Luta \n", 1293 | "3815 2012 Movimento Browniano \n", 1294 | "3829 2012 O abrigo \n", 1295 | "3920 2012 Ponto Org \n", 1296 | "4085 2011 A Última Estrada da Praia \n", 1297 | "4462 2011 Poema de Salvação \n", 1298 | "4466 2011 Porta a porta – A política em dois tempos \n", 1299 | "4587 2011 Walachai \n", 1300 | "4732 2010 Cine Cocoricó: As Aventuras na Cidade \n", 1301 | "4853 2010 Luto Como Mãe \n", 1302 | "5022 2010 Simonal - Ninguém Sabe o Duro que Dei \n", 1303 | "5203 2009 As Chaves de Casa \n", 1304 | "5463 2009 Naufrágio - Mistério e Morte na Catástrofe do ... \n", 1305 | "5591 2009 Santiago \n", 1306 | "5666 2009 Vamos Subir, Leão \n", 1307 | "\n", 1308 | " Gênero País(es) produtor(es) da obra Nacionalidade da obra \\\n", 1309 | "2277 Documentário Brasil Brasileiros \n", 1310 | "2608 Ficção Brasil Brasileiros \n", 1311 | "2728 Ficção Brasil Brasileiros \n", 1312 | "3041 Ficção Brasil Brasileiros \n", 1313 | "3058 Ficção Itália Estrangeiros \n", 1314 | "3105 Ficção Estados Unidos Estrangeiros \n", 1315 | "3390 Ficção Brasil Brasileiros \n", 1316 | "3459 Ficção Reino Unido Estrangeiros \n", 1317 | "3603 Ficção França, Eslovênia, Sérvia, Croácia Estrangeiros \n", 1318 | "3627 Ficção Reino Unido Estrangeiros \n", 1319 | "3665 Documentário Brasil Brasileiros \n", 1320 | "3787 Documentário Brasil Brasileiros \n", 1321 | "3815 Ficção Holanda Estrangeiros \n", 1322 | "3829 Ficção Estados Unidos Estrangeiros \n", 1323 | "3920 Ficção Brasil Brasileiros \n", 1324 | "4085 Ficção Brasil Brasileiros \n", 1325 | "4462 Ficção Argentina Estrangeiros \n", 1326 | "4466 Documentário Brasil Brasileiros \n", 1327 | "4587 Documentário Brasil Brasileiros \n", 1328 | "4732 Ficção Brasil Brasileiros \n", 1329 | "4853 Documentário Brasil Brasileiros \n", 1330 | "5022 Documentário Brasil Brasileiros \n", 1331 | "5203 Ficção Itália Estrangeiros \n", 1332 | "5463 Documentário Brasil Brasileiros \n", 1333 | "5591 Documentário Brasil Brasileiros \n", 1334 | "5666 Documentário Brasil Brasileiros \n", 1335 | "\n", 1336 | " Data de lançamento Distribuidora \\\n", 1337 | "2277 2013-10-11 Cine Santa Teresa \n", 1338 | "2608 2014-01-17 Petrini \n", 1339 | "2728 2014-05-01 Sam Rádio Pictures \n", 1340 | "3041 2013-08-09 Petrini \n", 1341 | "3058 2013-05-10 Petrini \n", 1342 | "3105 2013-06-28 Petrini \n", 1343 | "3390 2013-08-16 NGM Produções \n", 1344 | "3459 2014-01-24 Esfera Produções \n", 1345 | "3603 2015-05-07 Lume \n", 1346 | "3627 2012-01-13 Sony \n", 1347 | "3665 2012-11-15 Werinton Kermes Telles Marsal \n", 1348 | "3787 2012-09-21 Like Filmes \n", 1349 | "3815 2012-07-06 Petrini \n", 1350 | "3829 2012-06-01 Sony \n", 1351 | "3920 2012-09-21 Usina Digital \n", 1352 | "4085 2011-09-16 Okna Produções \n", 1353 | "4462 2011-09-30 Canzión filmes \n", 1354 | "4466 2011-12-02 Zéfiro Produções \n", 1355 | "4587 2011-11-18 Ciclorama \n", 1356 | "4732 2009-07-17 Moviemobz \n", 1357 | "4853 2010-08-20 TV Zero Cinema \n", 1358 | "5022 2009-05-15 Moviemobz/RioFilme \n", 1359 | "5203 2006-01-06 Filmes do Estação \n", 1360 | "5463 2009-12-25 Master Shot Produções \n", 1361 | "5591 2007-08-24 Videofilmes \n", 1362 | "5666 2009-03-20 Canal 3 \n", 1363 | "\n", 1364 | " Origem da empresa distribuidora Público no ano de exibição \\\n", 1365 | "2277 Distribuição Nacional 355 \n", 1366 | "2608 Distribuição Nacional 0 \n", 1367 | "2728 Distribuição Nacional 0 \n", 1368 | "3041 Distribuição Nacional 0 \n", 1369 | "3058 Distribuição Nacional 0 \n", 1370 | "3105 Distribuição Nacional 0 \n", 1371 | "3390 Distribuição Nacional 0 \n", 1372 | "3459 Distribuição Nacional 0 \n", 1373 | "3603 Distribuição Nacional 0 \n", 1374 | "3627 Distribuição Internacional 0 \n", 1375 | "3665 Distribuição Nacional 0 \n", 1376 | "3787 Distribuição Nacional 0 \n", 1377 | "3815 Distribuição Nacional 0 \n", 1378 | "3829 Distribuição Internacional 0 \n", 1379 | "3920 Distribuição Nacional 0 \n", 1380 | "4085 Distribuição Nacional 0 \n", 1381 | "4462 Distribuição Nacional 0 \n", 1382 | "4466 Distribuição Nacional 0 \n", 1383 | "4587 Distribuição Nacional 0 \n", 1384 | "4732 Distribuição Nacional 1 \n", 1385 | "4853 Distribuição Nacional 0 \n", 1386 | "5022 Distribuição Nacional 1 \n", 1387 | "5203 Distribuição Nacional 0 \n", 1388 | "5463 Distribuição Nacional 0 \n", 1389 | "5591 Distribuição Nacional 0 \n", 1390 | "5666 Distribuição Nacional 0 \n", 1391 | "\n", 1392 | " Renda (R$) no ano de exibição \n", 1393 | "2277 0.0 \n", 1394 | "2608 0.0 \n", 1395 | "2728 0.0 \n", 1396 | "3041 0.0 \n", 1397 | "3058 0.0 \n", 1398 | "3105 0.0 \n", 1399 | "3390 0.0 \n", 1400 | "3459 0.0 \n", 1401 | "3603 0.0 \n", 1402 | "3627 0.0 \n", 1403 | "3665 0.0 \n", 1404 | "3787 0.0 \n", 1405 | "3815 0.0 \n", 1406 | "3829 0.0 \n", 1407 | "3920 0.0 \n", 1408 | "4085 0.0 \n", 1409 | "4462 0.0 \n", 1410 | "4466 0.0 \n", 1411 | "4587 0.0 \n", 1412 | "4732 0.0 \n", 1413 | "4853 0.0 \n", 1414 | "5022 0.0 \n", 1415 | "5203 0.0 \n", 1416 | "5463 0.0 \n", 1417 | "5591 0.0 \n", 1418 | "5666 0.0 " 1419 | ] 1420 | }, 1421 | "execution_count": 31, 1422 | "metadata": {}, 1423 | "output_type": "execute_result" 1424 | } 1425 | ], 1426 | "source": [ 1427 | "# Qual é o filme que teve a menor bilheteria?\n", 1428 | "df_novo[df_novo['Renda (R$) no ano de exibição'] == df_novo['Renda (R$) no ano de exibição'].min()]" 1429 | ] 1430 | }, 1431 | { 1432 | "cell_type": "code", 1433 | "execution_count": 32, 1434 | "metadata": {}, 1435 | "outputs": [ 1436 | { 1437 | "data": { 1438 | "text/plain": [ 1439 | "Estrangeiros 3902\n", 1440 | "Brasileiros 1614\n", 1441 | "Name: Nacionalidade da obra, dtype: int64" 1442 | ] 1443 | }, 1444 | "execution_count": 32, 1445 | "metadata": {}, 1446 | "output_type": "execute_result" 1447 | } 1448 | ], 1449 | "source": [ 1450 | "# Quantos filmes brasileiros e estrangeiros?\n", 1451 | "df_novo['Nacionalidade da obra'].value_counts()" 1452 | ] 1453 | }, 1454 | { 1455 | "cell_type": "code", 1456 | "execution_count": null, 1457 | "metadata": {}, 1458 | "outputs": [], 1459 | "source": [] 1460 | } 1461 | ], 1462 | "metadata": { 1463 | "kernelspec": { 1464 | "display_name": "Python 3", 1465 | "language": "python", 1466 | "name": "python3" 1467 | }, 1468 | "language_info": { 1469 | "codemirror_mode": { 1470 | "name": "ipython", 1471 | "version": 3 1472 | }, 1473 | "file_extension": ".py", 1474 | "mimetype": "text/x-python", 1475 | "name": "python", 1476 | "nbconvert_exporter": "python", 1477 | "pygments_lexer": "ipython3", 1478 | "version": "3.7.1" 1479 | } 1480 | }, 1481 | "nbformat": 4, 1482 | "nbformat_minor": 2 1483 | } 1484 | -------------------------------------------------------------------------------- /readme.md: -------------------------------------------------------------------------------- 1 | # Análise de Dados em Python - LabHacker Câmara dos Deputados 2 | 3 | Jupyter notebooks criados durante o curso de análise de dados com Python disponibilizado pelo [LabHacker Câmara dos Deputados](http://labhackercd.leg.br/). 4 | 5 | ## Vídeos 6 | 7 | * [Instalando o Anaconda](https://youtu.be/wiMVpFfxA0w) 8 | * [Aula 01](https://youtu.be/W_Bz7M91R1Q) 9 | * [Aula 02](https://youtu.be/2oZHg3HOtcY) 10 | * [Aula 03](https://youtu.be/zpNtiJsJ7KY) 11 | * [Aula 04](https://youtu.be/hyDvL_CzbX4) 12 | -------------------------------------------------------------------------------- /sih-janeiro-2017-cirurgias-eletiva-e-emergencia.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/rodolfoghi/curso-labhacker-analise-dados-com-python/7f499d981ab28532ef5e2fbde36ebbdb22990a6d/sih-janeiro-2017-cirurgias-eletiva-e-emergencia.csv --------------------------------------------------------------------------------