Exercicio Semana 11 - Beatriz Gomes

exercicios/para-casa/BeatrizGomes.py

@@ -0,0 +1,72 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+
+df = pd.read_csv(r'C:\Users\biamo\OneDrive\Área de Trabalho\git-on33\On33-S12\on33-python-s10-pandas-numpy-II\material\desenvolvimento_paises.csv')
+
+# print(df.describe())
+# print(df.info())
+# print(df['AveragScore'].value_counts())
+
+
+# print(df.fillna(0, inplace=True)) #substituindo todos os valores vazios (fill na) por 0.
+# # O inplace = True modifica o dataframe
+# print(df.isnull().sum()) #só o df.isnull mostra todos os dados com True pra nulo e False pra nao nulo, o sum resume isso.
+# print(df.duplicated().sum())
+# print(df.drop_duplicates(inplace=True))
+# print(df.duplicated().sum())
+
+
+# EXERCICIO DE AULA
+paisMaior_securityValue = df['SafetySecurity'].max()
+print(paisMaior_securityValue)
+
+paisMenor_securityValue = df['SafetySecurity'].min()
+print(paisMenor_securityValue)
+
+print(f'A diferença entre o maior e menor país com SafetySecurity é: {paisMaior_securityValue - paisMenor_securityValue}')
+
+# Encontra todas as linhas onde o valor maximo esteja presente
+linha_paisMaiorValor = df[df['SafetySecurity'] == paisMaior_securityValue]
+print(linha_paisMaiorValor['SafetySecurity'])
+
+#Encontra a primeira linha que obtiver o valor maximo.
+index_GreaterValue = df['SafetySecurity'].idxmax()
+# Retornando a primeira linha com valor maximo em formato de index
+print(df.loc[index_GreaterValue])
+
+columnsName = df.columns
+print(columnsName)
+
+columnsName = columnsName.drop(labels='Country')
+
+df['Média'] = df[columnsName].mean(axis=1)
+
+def categorizarValores(valor):
+    if valor > 80:
+        return 'Desenvolvido'
+    if valor < 70 and valor >= 50:
+        return 'Em desenvolvimento'
+    if valor < 60:
+        return 'Subdesenvolvido'
+    else:
+        return 'Não categorizado'
+
+df['Categoria Desenvolvimento'] = df['Média'].apply(categorizarValores)
+
+developmentCategoryCounts = df['Categoria Desenvolvimento'].value_counts()
+
+print(developmentCategoryCounts)
+
+developmentCategoryCounts.plot(kind='bar', title='Qtde países por Categoria')
+
+plt.show()
+
+personelFreedomFilter = df.where((df['PersonelFreedom'] <= 30.0) & (df['Categoria Desenvolvimento'] == 'Subdesenvolvido'))
+
+personelFreedomFilter.dropna(inplace=True)
+
+
+print(personelFreedomFilter.info())
+
+print(df.sort_values(by=['Education', 'Health'], inplace=True, ascending=False))
+print(df.head())