Desafio 3 - Tratando e filtrando dados

Verifique se a base de dados possui dados nulos e caso tenha, realize o tratamento desses dados nulos.

df.isnull().sum()

df.fillna(0)

Os alunos "Alice" e "Carlos", não fazem mais parte da turma. Sendo assim, remova-os da base de dados.

df.drop([7, 8], axis= 0, inplace=True)

Aplique um filtro que selecione apenas os alunos que foram aprovados.

df_passou = df[df["Aprovado"] == True]

Salve o DataFrame que possui apenas os alunos aprovados em um arquivo csv chamado "alunos_aprovados.csv"

df_passou.to_csv("alunos_aprovados.csv")

Ao conferir as notas dos alunos aprovados, notamos que algumas notas estavam incorretas. As alunas que tiraram nota 7.0, na verdade tinham um ponto extra que não foi contabilizado. Sendo assim, substitua as notas 7.0 da base de dados por 8.0.

df_passou.replace(7.0, 8.0)

E aí, Maicon! Tudo bem?

Parabéns! Mantenha o ritmo nos exercícios e continue compartilhando na nossa comunidade.

Percebi que você dominou o uso de métodos do pandas para tratamento de dados, aplicou muito bem o filtro condicional para isolar os alunos aprovados e ainda entendeu a relevância de exportar os dados com .to_csv() para compartilhar e armazenar os resultados.

Uma sugestão para evoluir ainda mais é usar loc com condições para alterar valores de forma seletiva. Veja só:

df_passou.loc[df_passou["Nota"] == 7.0, "Nota"] = 8.0

Resultado: Alunos com nota 7.0 agora possuem nota 8.0 no DataFrame df_passou

Essa abordagem ajuda a modificar dados diretamente com base em condições, sem precisar recriar o DataFrame.

Para saber mais:

Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:

[Documentação] - pandas.DataFrame.loc

Alguns materiais estão em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.

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!