Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Olá! Tudo bem?
Segue abaixo, a resolução dos exercícios:
df['Pontos_extras'] = df['Notas'].apply(lambda x: x*0.4)
df
df['Pontos_extras'] = df['Notas'].apply(lambda x: x*0.4)
df
df['Aprovação final'] = df['Notas finais'].apply(lambda x: True if x >=6 else False)
df
df.query('Aprovação final' == False & 'Aprovação final' == True')
Olá, Nicole. Tudo bem?
Parabéns por enfrentar o desafio prático do Pandas! Criar colunas e aplicar lógicas condicionais são tarefas fundamentais no dia a dia de um cientista ou analista de dados. O uso do método .apply() com funções lambda mostra que você já está captando conceitos bem legais de manipulação de dados.
Analisando o seu código, notei que os três primeiros blocos estão ótimos, mas a linha final do df.query() apresenta alguns pequenos detalhes de sintaxe e lógica que vão fazer o Python retornar um erro.
Para te ajudar a consolidar essa etapa e deixar o seu código rodando perfeitamente, preparei algumas correções e dicas importantes:
.query()O método .query() do Pandas serve para filtrar linhas usando uma expressão de texto (String). Existem três pontos de atenção no seu comando atual:
'Aprovação final'), o Pandas exige que você a envolva com crases (`) dentro da string.& significa "E". Da forma como está escrito, você está pedindo para o Pandas encontrar linhas onde o aluno esteja aprovado e reprovado ao mesmo tempo (True & False), o que resultará em uma tabela vazia.True').Se o seu objetivo era filtrar apenas os alunos aprovados, a sintaxe correta é:
df.query("`Aprovação final` == True")
Se a ideia era filtrar quem foi reprovado:
df.query("`Aprovação final` == False")
Dica de Ouro: Para evitar ter que usar crases no
.query(), uma boa prática de Engenharia de Dados é nomear as colunas sem espaços e sem acentos, usando o padrão snake_case (ex:df['aprovacao_final']).
No seu terceiro exercício, você usou:df['Aprovação final'] = df['Notas finais'].apply(lambda x: True if x >=6 else False)
O código funciona, mas no Pandas nós podemos fazer isso de forma direta e muito mais rápida sem precisar do .apply() ou do lambda. Como o Pandas trabalha com operações vetorizadas, você pode fazer uma comparação direta na coluna inteira, e ele já devolverá True ou False automaticamente:
# Faz exatamente a mesma coisa, de forma mais simples e performática
df['Aprovação final'] = df['Notas finais'] >= 6
No primeiro exercício, você calculou os pontos extras multiplicando a nota por 0.4.
Fique atenta apenas se a regra de negócio do desafio pedia para calcular 40% da nota atual ou se pedia para somar um bônus fixo de 0.4 pontos.
Se o objetivo era dar 0.4 pontos a mais para todo mundo diretamente, a operação vetorizada pura também resolve sem lambda:
# Soma 0.4 pontos diretamente em cada linha da coluna
df['Pontos_extras'] = df['Notas'] + 0.4
Excelente iniciativa em compartilhar sua resolução no fórum. Ajuste a linha do .query() no seu notebook e continue praticando com o Pandas!
Espero que possa ter lhe ajudado!