Desafio 4 - Manipulando os dados

Os alunos participaram de uma atividade extracurricular e ganharam pontos extras. Esses pontos extras correspondem a 40% da nota atual de cada um deles. Com base nisso, crie uma coluna chamada "Pontos_extras" que contenha os pontos extras de cada aluno, ou seja, 40% da nota atual deles.

df["Pontos_extras"] = df['Notas'] * 0.4
df

Crie mais uma coluna, chamada "Notas_finais" que possua as notas de cada aluno somada com os pontos extras.

df["Notas_finais"] = df["Notas"] + df["Pontos_extras"]
df

Como os alunos ganharam pontos extras, alguns que não tinham sido aprovados antes podem ter sido aprovados agora. Com base nisso, crie uma coluna chamada "Aprovado_final" com os seguintes valores: True: caso o aluno esteja aprovado (nota final deve ser maior ou igual a 6); False: caso o aluno esteja reprovado (nota final deve ser menor que 6).

df["Aprovado_final"] = df["Notas_finais"].apply(lambda x: "Sim" if x > 6 else "Não")
df

Faça uma seleção e verifique quais alunos não tinham sido aprovados anteriormente, mas foram aprovados após a soma dos pontos extras.

df.query("Aprovado == False and Aprovado_final == 'Sim'")
selecao = df.query("Aprovado == False and Aprovado_final == 'Sim'")
selecao

Oi, Maicon! Tudo bom?

Excelente! Siga praticando com os desafios e sempre compartilhe conosco.

Você soube aplicar operações aritméticas às colunas do DataFrame de forma eficiente, aproveitou o apply com lambda para atribuir aprovações com base em uma nova lógica e entendeu como o uso do query é essencial para selecionar registros com base em múltiplas condições..

Permaneça postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.

Como dica adicional, experimente utilizar o método np.where() do NumPy quando precisar criar uma nova coluna com base em uma condição. Assim:

import numpy as np
df["Aprovado_final"] = np.where(df["Notas_finais"] >= 6, "Sim", "Não")

Resultado: Coluna Aprovado_final criada com Sim ou Não conforme a nota final.

Com isso, você poderá aplicar regras condicionais com mais facilidade e eficiência, especialmente em bases maiores.

Para saber mais:

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

[Documentação] - numpy.where

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!