Desafio: bora praticar?

url = 'https://raw.githubusercontent.com/alura-cursos/pandas-conhecendo-a-biblioteca/main/desafios/alunos.csv' dados = pd.read_csv(url) dados.isnull() dados.isnull().sum() alunos = dados.fillna(0) alunos_remover = alunos.query('Nome == "Alice" | Nome == "Carlos"').index alunos.drop(alunos_remover, axis = 0, inplace =True) aprovados = alunos['Aprovado'] == True alunos_aprovados = alunos[aprovados] alunos_aprovados = alunos_aprovados.replace(7.0, 8.0) alunos_aprovados.to_csv('Alunos_aprovados.csv', index = False, sep = ';') pd.read_csv('Alunos_aprovados.csv',sep = ';')

Olá, Thamiris! Tudo bem?

Parabéns! Continue resolvendo os desafios e compartilhando com a comunidade Alura.

Percebi que você dominou o uso de validação e limpeza de dados com isnull() e fillna(), aplicou muito bem o método query() para filtrar registros específicos e ainda demonstrou compreender a relevância de salvar e carregar dados com to_csv() e read_csv() para manipulação de arquivos externos.

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

Uma sugestão interessante para evoluir ainda mais é usar o método dropna() com o objetivo de remover diretamente as linhas com valores nulos. Veja só:

dados_sem_nulos = dados.dropna()

Essa abordagem ajuda a manter o DataFrame mais limpo sem precisar substituir os valores ausentes.

Para saber mais:

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

[Documentação] - pandas.DataFrame.dropna()

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!