Para facilitar a identificação dos arquivos quando estiverem com o time ML, coloquei nomes tecnicamente descritivos, podendo depois eles mudarem.
df_1.to_csv('dados_ap_1_quarto<$1000.csv', index=False, sep=';')
df_2.to_csv('dados_ap_>=_2_quartos<$3000>70m.csv', index=False, sep=';')
Olá, Roger! Como vai?
Realmente nomear os arquivos de acordo com as características do DataFrame é uma boa ideia e muito necessário quando esses arquivos serão lidos por outras pessoas. Mas deixo uma observação, usar símbolos especiais nos nomes dos arquivos pode não ser a melhor opção, a depender do sistema de arquivos. Então deixo a seguinte sugestão:
Ao invés de:
df_1.to_csv('dados_ap_1_quarto<$1000.csv', index=False, sep=';')
Use:
df_1.to_csv('ap_1_quarto_ate_1000.csv', index=False, sep=';')
E ao invés de:
df_2.to_csv('dados_ap_>=_2_quartos<$3000>70m.csv', index=False, sep=';')
Use:
df_2.to_csv('ap_2_ou_mais_quartos_ate_3000_mais_70m.csv', index=False, sep=';')
São sugestões, mas você pode ser ainda mais breve e direto, isso também depende da padronização adotada pela equipe que está trabalhando com os dados.
Fico à disposição! E se precisar, conte sempre com o apoio do fórum.
Abraço e bons estudos!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!