S12 - Jheniffer Akycharia

exercicios/para-casa/atividade.ipynb

@@ -0,0 +1,183 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Introdução\n",
+    "\n",
+    "Este conjunto de dados contém informações sobre as vítimas e sobreviventes do naufrágio do navio Titanic. Os campos incluem o ID do passageiro, se é sobrevivente ou não, classe econômica, o nome, sexo, idade, números de irmãos, número de irmãos, pais, número do ticket, o preço do ticket, o número da cabine e o porto de embarcação.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "df = pd.read_csv(\"titanic.csv\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def processar_titanic_dataset(df_titanic):\n",
+    "    # Realiza a leitura do arquivo CSV\n",
+    "    df_titanic = pd.read_csv(df_titanic)\n",
+    "\n",
+    "    # Tratamento para remover linhas com valores ausentes:\n",
+    "    df_titanic = df_titanic.dropna()\n",
+    "\n",
+    "    # Deleção de colunas\n",
+    "    columns_to_drop = [\"Sex\", \"Age\"]\n",
+    "    df_titanic = df_titanic.drop(columns=columns_to_drop)\n",
+    "\n",
+    "    # Sort de valores\n",
+    "    df_titanic = df_titanic.sort_values(by=\"Ticket\")\n",
+    "\n",
+    "    # Remoção de nulos\n",
+    "    df_titanic = df_titanic.dropna(\"Survived\")\n",
+    "\n",
+    "    # Reset de índice\n",
+    "    df_titanic = df_titanic.reset_index(drop=True)\n",
+    "\n",
+    "\n",
+    "    return df_titanic\n",
+    "\n",
+    "# Caminho para o arquivo \"titanic.csv\"\n",
+    "df_titanic = processar_titanic_dataset(\"titanic.csv\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [
+    {
+     "ename": "NameError",
+     "evalue": "name 'pd' is not defined",
+     "output_type": "error",
+     "traceback": [
+      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+      "\u001b[1;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+      "\u001b[1;32mc:\\Users\\jheni\\on26-python-s12-pandas-numpy-II\\exercicios\\para-casa\\atividade.ipynb Cell 4\u001b[0m line \u001b[0;36m4\n\u001b[0;32m      <a href='vscode-notebook-cell:/c%3A/Users/jheni/on26-python-s12-pandas-numpy-II/exercicios/para-casa/atividade.ipynb#W3sZmlsZQ%3D%3D?line=0'>1</a>\u001b[0m \u001b[39mimport\u001b[39;00m \u001b[39mmatplotlib\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mpyplot\u001b[39;00m \u001b[39mas\u001b[39;00m \u001b[39mplt\u001b[39;00m\n\u001b[0;32m      <a href='vscode-notebook-cell:/c%3A/Users/jheni/on26-python-s12-pandas-numpy-II/exercicios/para-casa/atividade.ipynb#W3sZmlsZQ%3D%3D?line=2'>3</a>\u001b[0m \u001b[39m# Importando o dataframe\u001b[39;00m\n\u001b[1;32m----> <a href='vscode-notebook-cell:/c%3A/Users/jheni/on26-python-s12-pandas-numpy-II/exercicios/para-casa/atividade.ipynb#W3sZmlsZQ%3D%3D?line=3'>4</a>\u001b[0m df \u001b[39m=\u001b[39m pd\u001b[39m.\u001b[39mread_csv(\u001b[39m\"\u001b[39m\u001b[39mtitanic.csv\u001b[39m\u001b[39m\"\u001b[39m)\n\u001b[0;32m      <a href='vscode-notebook-cell:/c%3A/Users/jheni/on26-python-s12-pandas-numpy-II/exercicios/para-casa/atividade.ipynb#W3sZmlsZQ%3D%3D?line=5'>6</a>\u001b[0m \u001b[39m# Calcular a idade média dos passageiros\u001b[39;00m\n\u001b[0;32m      <a href='vscode-notebook-cell:/c%3A/Users/jheni/on26-python-s12-pandas-numpy-II/exercicios/para-casa/atividade.ipynb#W3sZmlsZQ%3D%3D?line=6'>7</a>\u001b[0m idade_media \u001b[39m=\u001b[39m df[\u001b[39m\"\u001b[39m\u001b[39mAge\u001b[39m\u001b[39m\"\u001b[39m]\u001b[39m.\u001b[39mmean()\n",
+      "\u001b[1;31mNameError\u001b[0m: name 'pd' is not defined"
+     ]
+    }
+   ],
+   "source": [
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Importando o dataframe\n",
+    "df = pd.read_csv(\"titanic.csv\")\n",
+    "\n",
+    "# Calcular a idade média dos passageiros\n",
+    "idade_media = df[\"Age\"].mean()\n",
+    "\n",
+    "# Plotar o gráfico\n",
+    "plt.hist(df[\"Age\"], bins=10, color=\"blue\")\n",
+    "plt.axvline(idade_media, color=\"red\", linestyle=\"--\")\n",
+    "plt.title(\"Distribuição de idade dos passageiros\")\n",
+    "plt.xlabel(\"Idade\")\n",
+    "plt.ylabel(\"Número de passageiros\")\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Importar o dataframe\n",
+    "df = pd.read_csv(\"titanic.csv\")\n",
+    "\n",
+    "# Plotar o gráfico\n",
+    "plt.pie(df[\"Sex\"].value_counts(), labels=[\"Homem\", \"Mulher\"], colors=[\"blue\", \"red\"])\n",
+    "plt.title(\"Distribuição de sexo dos passageiros\")\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Importar o dataframe\n",
+    "df = pd.read_csv(\"titanic.csv\")\n",
+    "\n",
+    "# Calcular a proporção de sobreviventes por sexo\n",
+    "prop_homens_sobreviventes = df.loc[df[\"Survived\"] == 1, \"Sex\"].value_counts()[0] / df[\"Sex\"].value_counts()[0]\n",
+    "prop_mulheres_sobreviventes = df.loc[df[\"Survived\"] == 1, \"Sex\"].value_counts()[1] / df[\"Sex\"].value_counts()[1]\n",
+    "\n",
+    "# Plotar o gráfico\n",
+    "plt.bar([\"Homem\", \"Mulher\"], [prop_homens_sobreviventes, prop_mulheres_sobreviventes], color=[\"blue\", \"red\"])\n",
+    "plt.title(\"Distribuição de sobreviventes por sexo\")\n",
+    "plt.xlabel(\"Sexo\")\n",
+    "plt.ylabel(\"Proporção de sobreviventes\")\n",
+    "plt.show()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Insights Gráfico 01\n",
+    "\n",
+    "A idade média dos passageiros é de 29 anos.\n",
+    "A maioria dos passageiros tinha entre 20 e 30 anos.\n",
+    "Havia um número significativo de passageiros com menos de 10 anos."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Insights Gráfico 02\n",
+    "\n",
+    "A maioria dos passageiros era homem.\n",
+    "As mulheres representavam cerca de 20% da população do navio."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Insights Gráfico 03\n",
+    "\n",
+    "As mulheres tinham uma probabilidade muito maior de sobreviver do que os homens.\n",
+    "Cerca de 75% das mulheres sobreviveram, enquanto apenas 20% dos homens sobreviveram."
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.10.11"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}