Desafio 4

1)

# Transformando em tipo Objeto em Datetime
dados_vendas['Data de venda'] = pd.to_datetime(dados_vendas['Data de venda'])

# Verificando mudança
dados_vendas.info()

# Juntando por nome com groupby e somando valor de compras
maior_compra = dados_vendas.groupby(['Cliente'])['Valor da compra'].sum().sort_values(ascending=False)

# Resultado 
nome = maior_compra.index[0]
valor = maior_compra.iloc[0]
print(f'O cliente que mais comprou foi {nome} com um total de R$ {valor:.2f}')

# Cálculo da média de atraso (usando dados_imoveis como exemplo)
media_atraso = dados_imoveis.groupby(['apartamento'])['dias_atrasado'].mean().reset_index()
print(media_atraso)

# Transformando em tipo Datetime
dados_imoveis['datas_de_pagamento'] = pd.to_datetime(dados_imoveis['datas_de_pagamento'], format='%d/%m/%Y') 

# Transformando em tipo Datetime
dados_imoveis['datas_combinadas_pagamento'] = pd.to_datetime(dados_imoveis['datas_combinadas_pagamento'], format='%d/%m/%Y') 
dados_imoveis

# Verificando mudança
dados_imoveis.info()

# Calculando quantos dias foram atrasados
dados_imoveis['dias_atrasado'] = (dados_imoveis['datas_de_pagamento'] - dados_imoveis['datas_combinadas_pagamento']).dt.days
dados_imoveis['dias_atrasado']

# Verificando média de atraso de cada apartamento
media_atraso = dados_imoveis.groupby(['apartamento'])['dias_atrasado'].mean().sort_values(ascending=False)

# Imprimindo média de atraso com reset_index()
media_atraso_df = dados_imoveis.groupby(['apartamento'])['dias_atrasado'].mean().reset_index()
print(media_atraso_df)

# Resultado
maior_atraso = media_atraso.index[0]
dias = media_atraso.iloc[0]
print(f'Assim o Apartamento {maior_atraso} está com maior média de dias atrasados com {dias} dias.')