Desafio: hora da prática | Pandas: selecionando e agrupando dados

Desafio: hora da prática

Encontre os valores únicos das colunas "Nível 1 - Setor" e "Estado" para identificar as atividades econômicas presentes na base de dados e se todos os Estados do Brasil estão presentes no DataFrame.

emissoes_gases['Nível 1 - Setor'].unique()
emissoes_gases['Estado'].unique()

Filtre o DataFrame somente com os dados dos Estados da região Sul do Brasil.

emissoes_gases[emissoes_gases['Estado'].isin(['PR', 'SC', 'RS'])]

Filtre o DataFrame para exibir apenas os registros em que o campo "Nível 1 - Setor" seja igual a "Mudança de Uso da Terra e Floresta" e o campo "Estado" seja igual a "AM" (sigla para o Estado do Amazonas).

emissoes_gases[(emissoes_gases['Nível 1 - Setor'] == 'Mudança de Uso da Terra e Floresta') &
(emissoes_gases['Estado'] == 'AM')]

Encontre o valor máximo de emissão do ano de 2021 para os dados de "Agropecuária" no Estado do Pará.

emissoes_gases.loc[
(emissoes_gases['Estado'] == 'PA') &
(emissoes_gases['Nível 1 - Setor'] == 'Agropecuária'), 2021].max()

Oi, John Lenon! Como vai?

Agradeço por compartilhar seu código com a comunidade Alura.

Você aplicou bem os filtros com isin() e condições combinadas, mostrando domínio das seleções no Pandas. Isso deixa sua análise mais clara e facilita encontrar exatamente os dados que precisa.

Uma dica interessante para o futuro é usar o método query. Veja este exemplo:


resultado = emissoes_gases.query("Estado == 'PA' and `Nível 1 - Setor` == 'Agropecuária'")[2021].max()
print(resultado)

Esse código faz o mesmo que seu filtro, porém usando uma sintaxe mais curta.

Qualquer dúvida que surgir, compartilhe no fórum. Abraços e bons estudos!

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!