Linguagem_Prog_Aplicada-05

Prévia do material em texto

Linguagem de 
Programação Aplicada
Material Teórico
Responsável pelo Conteúdo:
Prof. Dr. Alcides Teixeira Barboza Junior
Revisão Textual:
Prof. Me. Luciano Vieira Francisco
Estudos de Caso em Python
• Introdução;
• Leitura, Manipulação e Visualização de Datasets.
• Compreender o uso de datasets de domínio público;
• Aprender a manipular os dados de datasets;
• Aprender a criar gráfi cos para análise de dados em datasets.
OBJETIVOS DE APRENDIZADO
Estudos de Caso em Python
Orientações de estudo
Para que o conteúdo desta Disciplina seja bem 
aproveitado e haja maior aplicabilidade na sua 
formação acadêmica e atuação profissional, siga 
algumas recomendações básicas: 
Assim:
Organize seus estudos de maneira que passem a fazer parte 
da sua rotina. Por exemplo, você poderá determinar um dia e 
horário fixos como seu “momento do estudo”;
Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma 
alimentação saudável pode proporcionar melhor aproveitamento do estudo;
No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos 
e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você tam-
bém encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua 
interpretação e auxiliarão no pleno entendimento dos temas abordados;
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discus-
são, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o 
contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e 
de aprendizagem.
Organize seus estudos de maneira que passem a fazer parte 
Mantenha o foco! 
Evite se distrair com 
as redes sociais.
Mantenha o foco! 
Evite se distrair com 
as redes sociais.
Determine um 
horário fixo 
para estudar.
Aproveite as 
indicações 
de Material 
Complementar.
Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma 
Não se esqueça 
de se alimentar 
e de se manter 
hidratado.
Aproveite as 
Conserve seu 
material e local de 
estudos sempre 
organizados.
Procure manter 
contato com seus 
colegas e tutores 
para trocar ideias! 
Isso amplia a 
aprendizagem.
Seja original! 
Nunca plagie 
trabalhos.
UNIDADE Estudos de Caso em Python
Introdução
Os pacotes Numpy, Pandas e Matplotlib, como você já estudou, auxiliam na 
tarefa de análise de dados, dando suporte à preparação ou leitura dos dados até à 
visualização por meio de gráficos.
Você também deve se lembrar que estudamos sobre como carregar arquivos 
de dados, ou datasets; geralmente esses arquivos possuem muitos dados, e para 
processá-los temos a disponibilidade de pacotes como Pandas e o Numpy para 
realizar alguns processamentos.
Agora que você já conhece as ferramentas, chegou o momento de juntar tudo 
para utilizar em exemplos práticos. Nesta Unidade você fará uso de todos os con-
ceitos passados nas unidades anteriores; apresentaremos alguns “estudos de caso” 
para demonstrar o uso desses conceitos. Então, abra o seu Jupyter Notebook ou 
Idle do Python e comecemos a trabalhar.
Leitura, Manipulação e 
Visualização de Datasets 
Processaremos diferentes arquivos de dados para cada um dos exemplos desta 
seção; então, antes de começar, certifique-se que já baixou todos do ambiente.
Estudo de caso 1
Precisamos apresentar um gráfico de barras para demonstrar o ganho de meda-
lhas de cinco países, os dados serão criados manualmente neste estudo, visto que 
o intuito é demonstrar o uso de um gráfico de barras segmentadas. Eis o código:
# Importação dos pacotes
import numpy as np
import matplotlib.pyplot as plt
# Relação de países da amostra
paises = [‘EUA’, ‘China’, ‘Brasil’, ‘Argentina’, ‘Alemanha’]
# Dados referentes a cada país da amostra e suas respectivas medalhas de 
ouro, prata e bronze, dados fictícios 
bronze = np.array([38, 17, 26, 19, 15])
prata = np.array([37, 23, 18, 18, 10])
ouro = np.array([46, 27, 26, 19, 17])
# Criação de um vetor de índices para o eixo x do gráfico
8
9
i nd = np.a range(len(paises))
# No Jupyter, precisamos inserir todas as linhas abaixo em uma única célula
# Barra de medalhas de ouro
plt.bar(ind, ouro, label=’Ouro’ , color=’gold’ , bottom=prata+bronze)
# Barra de medalhas de prata
plt.bar(ind, prata, label=’Prata’, color=’silver’, bottom=bronze)
# Barra de medalhas de bronze
plt.bar(ind, bronze, label=’Broze’, color=’#CD853F’)
# Associação dos nomes dos países para cada índice do eixo X
p lt.xticks(ind, paises)
# Rótulos dos eixos X e Y
plt.ylabel(“Medalhas”)
plt.xlabel(“Países”)
# Legenda padrão para as três medalhas
plt.legend()
# Título do gráfico
plt.title(“Medalhas - Olimpíadas 2018”)
plt.show()
M
ed
al
ha
s
EUA
120
100
80
60
40
20
0
China Brasil
Países
Argentina Alemanha
Medalhas – Olimpíadas 2018
Bronze
Prata
Ouro
Figura 1 – Gráfi co de barras segmentadas (medalhas)
9
UNIDADE Estudos de Caso em Python
Estudo de caso 2
Um setor público precisa visualizar os resultados das eleições presidenciais de 
2018. É necessário criar um gráfico para demonstrar a quantidade de votos dos três 
candidatos mais votados. Tal gráfico deve evidenciar as porcentagens de cada um dos 
candidatos nas regiões Sudeste, Nordeste, Sul, Norte e Centro-Oeste. Eis o código:
import numpy as np
import matplotlib.pyplot as plt
regioes = [‘SUDESTE’, ‘NORDESTE’, ‘SUL’, ‘NORTE’, ‘CENTRO-OESTE’]
# Dados retirados do site
# https://congressoemfoco.uol.com.br/eleicoes/acompanhe-por-aqui-a-
apuracao-de-votos-em-tempo-real/
bolsonaro = np.array([53.965, 28.187, 58.446, 50.357, 57.677])
haddad = np.array([20.74, 49.824, 19.213, 30.331, 20.59])
ciro = np.array([11.937, 16.214, 8.786, 7.657, 9.707])
index = np.arange(len(regioes))
# Insira as linhas abaixo dentro de uma célula do Jupyter
plt.bar(index, ciro, label=”Ciro”, color=”yellow”)
plt.bar(index, haddad, label=”Haddad”, color=”blue”, bottom= ciro)
plt.bar(index, bolsonaro, label=”Bolsonaro”, color=”red”, bottom= ciro+haddad)
plt.xticks(index, regioes)
plt.xlabel(“Regiões”)
plt.legend()
plt.title(“Distribuição de presidenciáveis nas regiões brasileiras”)
plt.show()
Sudeste
80
60
40
20
0
Nordeste Sul
Regiões
Norte Centro-oeste
Distribuição de presidenciáveis nas regiões brasileiras
Ciro
Haddad
Bolsonaro
Figura 2 – Gráfico de barras segmentadas (presidenciáveis 2018)
10
11
Estudo de caso 3
Para este estudo você encontrará os dados no arquivo axisdata.xlsx.
Alcides é o gerente de vendas da Axis Auto e se prepara para uma reunião anual 
de vendas, necessitando, para tanto, de algumas análises e gráficos. Os dados pre-
sentes no dataset incluem o gênero, as horas trabalhadas, o treinamento, os anos 
de experiência e a média de carros vendidos no ano para cada membro da equipe. 
Assim, apresente:
A média de carros vendidos no ano pela sua equipe
Código:
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv(“axisdata.csv”)
media = df[“Cars Sold”].mean()
print(“A média de carros é: “, media)
# saída
A média de carros é: 3.9229229229229228
O valor máximo de carros vendidos e o(s) respectivo(s) nome(s) do(s) vendedor(es), em 
ordem alfabética
Código:
import pandas as pd
nome = []
df = pd.read_csv(“axisdata.csv”)
# Valor máximo de carros vendidos 
maximo = df[“Cars Sold”].max()
print(“Valor máximo de carros vendidos”, maximo)
# saída 
Valor máximo de carros vendidos 7
# Nomes dos vendedores
for i in range(len(df)):
if(df[“Cars Sold”][i] == maximo):
nome.append(df[“Fname”][i])
11
UNIDADE Estudos de Caso em Python
# Vamos ordenar o vetor de nomes 
nome.sort()
print(nome)
# saída
[‘August’, ‘Brad’, ‘Brad’, ‘Brad’, ‘Carla’, ‘Charles’, ‘Charles’, ‘Charles’, 
‘Frank’, ‘John’, ‘Lisa’, ‘Onika’, ‘Paula’, ‘Peter’, ‘Ronelle’, ‘Sam’, 
‘Sam’, ‘Sam’, ‘Sam’, ‘Sam’, ‘Tom’, ‘Tom’, ‘Tom’, ‘Victoria’, ‘Walter’]
O valor mínimo de carros vendidos e o(s) respectivo(s) nome(s) do(s) vendedor(es),em 
ordem alfabética
Código:
import pandas as pd
nome = []
df = pd.read_csv(“axisdata.csv”)
minimo = df[“Cars Sold”].min()
print(“Valor mínimo de carros vendidos”, minimo)
# saída:
Valor mínimo de carros vendidos 1
for i in range(len(df)):
if(df[“Cars Sold”][i] == minimo):
nome.append(df[“Fname”][i])
nome.sort()
print(nome)
# saída:
[‘Adam’, ‘Adam’, ‘August’, ‘Betty’, ‘Betty’, ‘Betty’, ‘Brad’, ‘Brad’, 
‘Carla’, ‘Carla’, ‘Carla’, ‘Carla’, ‘Carla’, ‘Carla’, ‘Charles’, ‘Charles’, 
‘Denise’, ‘Francine’, ‘Frank’, ‘Frank’, ‘Frank’, ‘Jack’, ‘Jack’, ‘Jackie’, 
‘Jackie’, ‘Jada’, ‘Jada’, ‘John’, ‘Karen’, ‘Lisa’, ‘Mary’, ‘Nicole’, 
‘Onika’, ‘Paula’, ‘Peter’, ‘Peter’, ‘Roger’, ‘Roger’, ‘Samantha’, 
‘Samantha’, ‘Samantha’, ‘Tom’, ‘Victoria’, ‘Walter’]
Um gráfico para demonstrar a taxa de vendas por gênero (F e M).
Código:
import matplotlib.pyplot as plt
import pandas as pd
12
13
df = pd.read_csv(“axisdata.csv”)
obj = (“F”, “M”)
# Vamos pegar os valores de Gender igual a F e M, criamos um vetor com 
esses valores
valores = [len(df. loc[df[“Gender”] == “F”]), len(df.loc[df[“Gender”] == 
“M”])]
colors=[“blue”, “red”]
# Insira as linhas abaixo em uma única célula
plt.pie (valores, labels=obj, colors=colors, autopct=”%.2f%%”, shadow=True, 
startangle=12)
# Legenda dos dois objetos de pesquisa
plt.legend(obj)
plt.axis(“equal”)
plt.show()
# saida:
F
M
51.05%
48.95%
M
F
Figura 3 – Gráfi co de setores (vendas por gêneros)
Média de horas trabalhadas para as pessoas que vendem mais de três carros.
Código: 
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv(“axisdata.csv”)
media = df.loc[df[“Cars Sold”] > 3].mean()
print(“A média de carros é: “, media[“Hours Worked”])
13
UNIDADE Estudos de Caso em Python
# saída:
A média de carros é: 34.74
Um gráfico referente à média das horas trabalhadas para cada valor da experiência, ou seja, 
a média de horas para as pessoas com 1 ano de experiência, 2, 3 e assim sucessivamente.
Código:
# Vamos precisar dos três pacotes juntos
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# Leitura do dataset
df = pd.read_csv(“axisdata.csv”)
# Criamos os rótulos do eixo X
rotulos = [“1 Ano”, “2 Anos”, “3 Anos”, “4 Anos”, “5 Anos”]
# Criamos a variável dadosEXP1 como o DataFrame resultante da pesquisa do 
método loc que busca o campo Years Experience igual a 1 
dadosEXP1 = df.loc[df[“Years Experience”] == 1]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP1 = dadosEXP1[“Hours Worked”].mean()
# Criamos a variável dadosEXP1 como o DataFrame resultante da pesquisa do 
método loc que busca o campo Years Experience igual a 2
dadosEXP2 = df.loc[df[“Years Experience”] == 2]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP2 = dadosEXP2[“Hours Worked”].mean()
# Criamos a variável dadosEXP1 como o DataFrame resultante da pesquisa do 
método loc que busca o campo Years Experience igual a 3 
dadosEXP3 = df.loc[df[“Years Experience”] == 3]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP3 = dadosEXP3[“Hours Worked”].mean()
# Criamos a variável dadosEXP1 como o DataFrame resultante da pesquisa do 
método loc que busca o campo Years Experience igual a 4 
dadosEXP4 = df.loc[df[“Years Experience”] == 4]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP4 = dadosEXP4[“Hours Worked”].mean()
# Criamos a variável dadosEXP1 como o DataFrame resultante da pesquisa do 
método loc que busca o campo Years Experience igual a 5 
14
15
dadosEXP5 = df.loc[df[“Years Experience”] == 5]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP5 = dado sEXP5[“Hours Worked”].mean()
valores = [mediaEXP1, mediaEXP2, mediaEXP3, mediaEXP4, mediaEXP5]
index = np.arange(len(rotulos))
# Insira as linhas abaixo em uma única célula do Jupyter
plt.bar(index, valores)
plt.xticks(index, rotulos, fontsize=20, rotation=30)
plt.title(“Média de horas trabalhadas por experiência”)
plt.show()
# saída
1 Ano
35
20
15
10
0
2 Anos 3 Anos 4 Anos 5 Anos
Média de horas trabalhadas por experiência
30
25
5
Figura 4 – Gráfi co de barras (horas trabalhadas)
Estudo de caso 4
Para este estudo, você encontrará os dados no arquivo gradedata.xlsx. Descu-
bra, então, o seguinte:
Calcule e mostre – no prompt – a porcentagem de alunos com as notas – grade – nas 
faixas < 60, = 70, = 80, > 90.
Código:
import pandas as pd
df = pd.read_csv(“gradedata.csv”)
15
UNIDADE Estudos de Caso em Python
# Localizamos na tabela a coluna grade com notas < 60
dadosnota1 = df.loc[df[“grade”] < 60]
# Calculamos a porcentagem 
nota1 = len(dadosnota1) *100/ len(df.index)
# Localizamos na tabela a coluna grade com notas = 70
dadosnota2 = df.loc[df[“grade”] == 70]
# Calculamos a porcentagem 
nota2 = len(dadosnota2) *100/ len(df.index)
# Localizamos na tabela a coluna grade com notas = 80
dadosnota3 = df.loc[df[“grade”] == 80]
# Calculamos a porcentagem 
nota3 = len(dadosnota3) *100 / len(df.index)
# Localizamos na tabela a coluna grade com notas > 90
dadosnota4 = df.loc[df[“grade”] > 90]
# Calculamos a porcentagem 
nota4 = len(dadosnota4) *100/ len(df.index)
print(“Alunos com notas <60: %.1f %%” %(nota1))
print(“Alunos com notas =70: %.1f %%” %(nota2))
print(“Alunos com notas =80: %.1f %%” %(nota3))
print(“Alunos com notas >90: %.1f %%” %(nota4))
# saída
Alunos com notas <60: 0.7 %
Alunos com notas =70: 0.1 %
Alunos com notas =80: 0.2 %
Alunos com notas >90: 23.8 %
Apresente os dados graficamente para as notas – grade – nas faixas <= 60, > 60 e <= 70, 
> 70 e <= 80, > 80, destacando a maior taxa.
Código: 
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv(“gradedata.csv”)
dadosnota1 = df.loc[df[“grade”] <= 60]
nota1 = len(dadosnota1)*100 / len(df.index)
16
17
dadosnota2 = df.loc[(df[“grade”] > 60) & (df[“grade”] <= 70)]
nota2 = len(dadosnota2)*100 / len(df.index)
dadosnota3 = df.loc[(df[“grade”] > 70) & (df[“grade”] <= 80)]
nota3 = len(dadosnota3) *100/ len(df.index)
dadosnota4 = df.loc[df[“grade”] > 80]
nota4 = len(dadosnota4) *100/ len(df.index)
obj = (“< 60”, “> 60 e <= 70”, “> 70 e <= 80”, “> 80”)
valores = [nota1, nota2, nota3, nota4]
colors=[“blue”, “red”, “grey”, “yellow”]
explode = (0, 0, 0, 0.2)
# Digite as linhas abaixo em uma única célula
plt.pie(valores, labels=obj, explode=explode, colors=colors, 
autopct=»%1.1f%%», shadow=True)
plt.legend(obj)
plt.axis(“equal”)
plt.show()
# saída:
> 60 e < = 70
> 70 e < = 80
> 80
< 60
60.6%
29.0%
9.6%
0.7% < 60
> 60 e < = 70
> 70 e < = 80
Figura 5 – Gráfi co de setores (referente às notas)
Apresente a maior e menor notas para ambos os gêneros. Para cada valor encontrado, 
imprima o nome e sobrenome do primeiro aluno da lista.
Código:
import pandas as pd
df = pd.read_csv(“gradedata.csv”)
# Buscamos o gênero masculino
homem = df.loc[df[“gender”] == “male”]
17
UNIDADE Estudos de Caso em Python
hMax = homem[“grade”].max() # maior nota
hMin = homem[“grade”].min() # menor nota
# Localizamos o nome dos homens
homemMax = homem.loc[homem[“grade”] == hMax]
homemMin = homem.loc[homem[“grade”] == hMin]
# Buscamos o gênero feminino
mulher = df.loc[df[“gender”] == “female”]
mMax = mulher[“grade”].max() # maior nota
mMin = mulher[“grade”].min() # menor nota
# Localizamos o nome das mulheres
mulherMax = mulher.loc[mulher[“grade”] == mMax]
mulherMin = mulher.loc[mulher[“grade”] == mMin]
# Impressão da maior e menor nota do gênero masculino
# Vamos imprimir o primeiro e segundo nome do primeiro aluno de cada 
listagem, mas poderíamos imprimir toda a lista com os alunos da maior nota 
e na menor nota
print(“Homem com a maior nota: “, homemMax[“fname”][homemMax[“fname”].
first_valid_index()], homemMax[“lname”][homemMax[“fname”].first_valid_
index()])
print(“Homem com a menor nota: “, homemMin[“fname”][homemMin[“fname”].
first_valid_index()],homemMin[“lname”][homemMin[“fname”].first_valid_
index()])
# Impressão da maior e menor nota do gênero feminino
# Vamos imprimir o primeiro e segundo nome do primeiro aluno de cada 
listagem, mas poderíamos imprimir toda a lista com os alunos da maior nota 
e na menor nota
print(“Mulher com a maior nota: “, mulherMax[“fname”][mulherMax[“fname”].
first_valid_index()], mulherMax[“lname”][mulherMax[“fname”].first_valid_
index()])
print(“Mulher com a menor nota: “, mulherMin[“fname”][mulherMin[“fname”].
first_valid_index()], mulherMin[“lname”][mulherMin[“fname”].first_valid_
index()])
# saída:
Homem com a maior nota: Ivor Arnold
Homem com a menor nota: Keegan Rasmussen
Mulher com a maior nota: Libby Guzman
Mulher com a menor nota: Alika Poole
18
19
Crie um gráfico de dispersão horas/nota. 
Código:
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
df = pd.read_csv(“gradedata.csv”)
# Vamos extrair duas Series, uma de horas e outra de notas
xs = d f[“hours”]
ys = df[“grade”]
# Insira as linhas abaixo em uma única célula
plt.scatter(xs,ys, color= “black”)
plt.title(“Dispersão de horas por nota”)
plt.show()
# saída
0.0
100
70
60
50
30
90
80
40
2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0
Figura 6 – Gráfi co de dispersão horas/notas
Chegamos ao final desta Unidade, de modo que procure praticar tudo o que 
estudou; treine com o site Kaggle, no qual encontrará diversos desafios, alguns 
voltados à inteligência artificial e outros com o nosso foco em análise de dados e 
visualização – você achará diversos datasets para treinar e fazer as suas análises.
19
UNIDADE Estudos de Caso em Python
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
 Sites
Kaggle
Datasets públicos, competições, códigos no Jupyter e discussões.
http://bit.ly/2RCVWZ7
 Leitura
Manipulando arquivos CSV com o Pandas
http://bit.ly/2t019zJ
Tutorial do Numpy
http://bit.ly/2RGlswz
Iniciando o uso do Pandas
http://bit.ly/2Pyfco0
Tutorial do Matplotlib
http://bit.ly/38wUhue
Documentação do Python 3.x
http://bit.ly/2LLLsTl
20
21
Referências
BECKER, J. L. Estatística básica: transformando dados em informação. Porto 
Alegre, RS: Bookman, 2015.
CASTRO, L. N. de. Introdução à mineração de dados: conceitos básicos, algo-
ritmos e aplicações. São Paulo: Saraiva, 2016.
PERKOVIC, L.; VIEIRA, D. Introdução à computação usando Python: um foco 
no desenvolvimento de aplicações. Rio de Janeiro: LTC, 2016.
21