Sueide Vilela - Exercício Casa Estatística I

exercicios/exercicio_casa_sueide.ipynb

@@ -0,0 +1,130 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "df = pd.read_csv('vendas_ficticias.csv')\n",
+    "dados_df = pd.DataFrame(df)\n",
+    "dados_df"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular a média. \n",
+    "# Cálculo usando a função mean.\n",
+    "media_vendas = vendas.mean()\n",
+    "media\n",
+    "print(f\"Média das vendas: {media_vendas:.2f}\")\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular a mediana. \n",
+    "# Cálculo usando a função median\n",
+    "mediana_vendas = vendas.median()\n",
+    "print(f\"Mediana das vendas: {mediana_vendas:.2f}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular o mínimo. \n",
+    "# Cálculo usando a função min\n",
+    "minimo_vendas = vendas.min()\n",
+    "print(f\"Mínimo das vendas: {minimo_vendas:.2f}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular o máximo.\n",
+    "# Cálculo usando a função max\n",
+    "maximo_vendas = vendas.max()\n",
+    "print(f\"Máximo das vendas: {maximo_vendas:.2f}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular o desvio padrão dos valores das vendas. \n",
+    "# Foi calculado o desvio padrão\n",
+    "desvio_padrão_vendas = varianca_vendas ** 0.5\n",
+    "print(f\"Desvio padrão das vendas: {desvio_padrao_vendas:.2f}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Calcular a quantidade vendida\n",
+    "# Foi calculado a quantidade vendida\n",
+    "total_vendido = quantidade_vendida.sum()\n",
+    "print(f\"Quantidade de produtos vendidos: {total_vendido}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Qual produto que mais vendeu?\n",
+    "# Foi utilizado a moda para identificar, o cálculo foi usando a função mode \n",
+    "produto_mais_vendido = produtos.mode()[0]\n",
+    "print(f\"Produto mais vendido: {produto_mais_vendido}\")"
+   ]
+  }
+ ],
+ "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": "3.12.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

exercicios/para-casa/leitura_csv.ipynb

@@ -0,0 +1,55 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [
+    {
+     "ename": "ModuleNotFoundError",
+     "evalue": "No module named 'panda'",
+     "output_type": "error",
+     "traceback": [
+      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+      "\u001b[1;31mModuleNotFoundError\u001b[0m                       Traceback (most recent call last)",
+      "Cell \u001b[1;32mIn[1], line 1\u001b[0m\n\u001b[1;32m----> 1\u001b[0m \u001b[38;5;28;01mimport\u001b[39;00m \u001b[38;5;21;01mpanda\u001b[39;00m \u001b[38;5;28;01mas\u001b[39;00m \u001b[38;5;21;01mpd\u001b[39;00m\n",
+      "\u001b[1;31mModuleNotFoundError\u001b[0m: No module named 'panda'"
+     ]
+    }
+   ],
+   "source": [
+    "import panda as pd"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "!pip install pandas"
+   ]
+  }
+ ],
+ "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": "3.12.4"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}