1
resposta

Desafio - hora da prática

#1) Faça um agrupamento de dados com as colunas "Estado" e "Nível 1 - Setor", obtendo a soma de emissão e armazenando o resultado em uma tabela.
emissoes_estado_setor = emissoes_por_ano.groupby(['Estado', 'Nível 1 - Setor'])[['Emissão']].sum()

#2) Utilizando a tabela construída na atividade 1, selecione os dados referentes à "Energia" do índice "Nível 1 - Setor".
emissoes_estado_setor.xs('Energia', level = 1)

#3) Utilizando a tabela construída na atividade 1, encontre a atividade econômica com valor máximo de emissão do Estado de Minas Gerais
emissoes_estado_setor.xs('MG', level = 0)[['Emissão']].idxmax()

#4) Obtenha uma tabela contendo a atividade econômica com máxima emissão para cada Estado.
emissoes_estado_setor.groupby('Estado')[['Emissão']].idxmax()

#5) Obtenha uma tabela contendo o Estado com máxima emissão para cada atividade econômica.
emissoes_estado_setor.groupby('Nível 1 - Setor')[['Emissão']].idxmax()
1 resposta

Olá, Vinícius! Como vai?

Parabéns pela resolução da atividade!

Observei que você explorou o uso do groupby para organizar os dados no Pandas, utilizou muito bem o xs para acessar níveis específicos do índice e ainda compreendeu a importância de aplicar funções como idxmax para identificar os maiores valores em diferentes agrupamentos.

Uma dica interessante para o futuro é resetar o índice após o agrupamento, o que pode facilitar a manipulação dos dados em etapas posteriores. Assim:

emissoes_estado_setor = emissoes_por_ano.groupby(['Estado', 'Nível 1 - Setor'])[['Emissão']].sum().reset_index()

Isso faz com que as colunas Estado e Nível 1 - Setor voltem a ser colunas normais, tornando mais simples aplicar filtros e operações adicionais.

Fico à disposição! E se precisar, conte sempre com o apoio do fórum.

Abraço e bons estudos!

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