911 Calls Capstone Project

Descrição do Projeto

Este projeto de capstone analisa dados de chamadas de emergência 911. O objetivo é explorar e analisar os dados para extrair insights sobre padrões de chamadas de emergência, utilizando técnicas de análise de dados e visualização.

Conjunto de Dados

O conjunto de dados contém as seguintes colunas:

• lat: Variável string, Latitude
• lng: Variável string, Longitude
• desc: Variável string, Descrição da Chamada de Emergência
• zip: Variável string, Código Postal
• title: Variável string, Título
• timeStamp: Variável string, YYYY-MM-DD HH:MM:SS
• twp: Variável string, Município
• addr: Variável string, Endereço
• e: Variável string, Variável dummy (sempre 1)

Objetivos

O projeto visa responder às seguintes perguntas e realizar as seguintes tarefas:

• Importar bibliotecas necessárias (numpy, pandas, matplotlib, seaborn)
• Ler o arquivo CSV como um DataFrame
• Verificar informações básicas do DataFrame (info, head)
• Identificar os top 5 códigos postais (zipcodes) para chamadas 911
• Identificar os top 5 municípios (townships) para chamadas 911
• Analisar a coluna 'title' e contar títulos únicos
• Criar uma nova coluna 'Reason' baseada na coluna 'title' (EMS, Fire, Traffic)
• Determinar o motivo mais comum para chamadas 911
• Realizar análises exploratórias e visualizações

Requisitos

Para executar este projeto, você precisará das seguintes bibliotecas Python:

• pandas
• numpy
• matplotlib
• seaborn
• jupyter

Você pode instalar as dependências usando:

pip install pandas numpy matplotlib seaborn jupyter

Como Usar

1. Clone o repositório.
2. Abra o notebook DataCapstone_Project.ipynb no Jupyter Notebook ou Jupyter Lab.
3. Execute as células sequencialmente para reproduzir a análise.

Análise

O notebook inclui análises exploratórias dos dados, incluindo:

• Limpeza e pré-processamento dos dados
• Visualizações de distribuições geográficas
• Análise temporal das chamadas
• Identificação de padrões e tendências
• Criação de novas colunas derivadas
• Gráficos e plots para insights visuais

Tecnologias Utilizadas

• Python
• Pandas para manipulação de dados
• NumPy para operações numéricas
• Matplotlib e Seaborn para visualização
• Jupyter Notebook para execução interativa

Resultados

Os resultados da análise serão apresentados no notebook, incluindo gráficos e insights sobre os dados de chamadas 911, como distribuições por motivo, localização e tempo.