Desafio: hora da prática | Data Visualization: estilização de tabelas com Python

import pandas as pd df = pd.read_csv('https://raw.githubusercontent.com/Gabriellemga/Python_Cursos_Alura/refs/heads/main/Data_viz_estilizando_tabelas/loja_livro_filmes.csv') df.head() df.info() df['data_pedido'] = pd.to_datetime(df['data_pedido']) df['data_chegada'] = pd.to_datetime(df['data_chegada']) df.info() df_pais_pedido = df.groupby(['pais'])['unidades'].sum().copy() df_pais_pedido = df_pais_pedido.reset_index() df_pais_pedido.columns = ['Pais', 'Unidades Pedidas'] df_pais_pedido['Ranque'] = df_pais_pedido.index + 1 df_pais_pedido.set_index('Ranque', inplace = True) df_pais_pedido s_pais = df_pais_pedido.style s_pais.format({'Unidades Pedidas': '{} produtos'})

Olá! Como vai?

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

Observei que você explorou o uso de agrupamento com groupby para consolidar os dados, utilizou muito bem o style.format() para apresentar os resultados de forma mais amigável e ainda compreendeu a importância da manipulação de datas com pd.to_datetime() para análises temporais mais precisas.

Uma dica interessante para o futuro é usar style.background_gradient() para destacar valores visualmente na tabela. Dessa forma:

s_pais = df_pais_pedido.style.background_gradient(cmap='Blues')
s_pais

Isso faz com que padrões numéricos fiquem mais fáceis de identificar visualmente.

Para saber mais:

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

[Documentação] - Estilização de DataFrames com Pandas

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!