Linguagem de

Programação Aplicada
 Material Teórico
Estudos de Caso em Python

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.

OBJETIVOS DE APRENDIZADO
• Compreender o uso de datasets de domínio público;
• Aprender a manipular os dados de datasets;
• Aprender a criar gráficos para análise de dados em datasets.
 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:
Conserve seu
material e local de
estudos sempre
organizados.
Aproveite as
Procure manter indicações
contato com seus de Material
colegas e tutores Complementar.
para trocar ideias!
Determine um Isso amplia a
horário fixo aprendizagem.
para estudar.

Mantenha o foco!
Evite se distrair com
as redes sociais.

Seja original!
Nunca plagie
trabalhos.

Não se esqueça
de se alimentar
Assim: e de se manter
Organize seus estudos de maneira que passem a fazer parte hidratado.
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.
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
ind = np.arange(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

plt.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()

Medalhas – Olimpíadas 2018

120 Ouro
Prata
100 Bronze

80
Medalhas

60

40

20

0
EUA China Brasil Argentina Alemanha
Países

Figura 1 – Gráfico de barras segmentadas (medalhas)

9
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()

Distribuição de presidenciáveis nas regiões brasileiras

Bolsonaro
Haddad
80 Ciro

60

40

20

0
Sudeste Nordeste Sul Norte Centro-oeste
Regiões

Figura 2 – Gráfico de barras segmentadas (presidenciáveis 2018)

10
 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
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
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 F
M
48.95%

51.05%

M
Figura 3 – Gráfico 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
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
 dadosEXP5 = df.loc[df[“Years Experience”] == 5]
# Calculamos a média das horas trabalhadas com base na coluna Hours Worked
mediaEXP5 = dadosEXP5[“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

Média de horas trabalhadas por experiência

35

30

25

20

15

10

0
1 Ano 2 Anos 3 Anos 4 Anos 5 Anos
Figura 4 – Gráfico 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
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
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:

> 70 e < = 80

29.0%
> 60 e < = 70
9.6%
< 60
0.7%

< 60
60.6% > 60 e < = 70
> 70 e < = 80
> 80

Figura 5 – Gráfico 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
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
 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 = df[“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

100
90

80
70

60

50

40

30
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0
Figura 6 – Gráfico 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
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
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
21