Uma solução para esse desafio que foi realizado seria a seguinte:
dados_sus = pd.read_csv('/content/dados_sus.csv', encoding='ISO-8859-1', skiprows = 3, skipfooter=9, sep = ';', engine='python')
dados_sus
Uma solução para esse desafio que foi realizado seria a seguinte:
dados_sus = pd.read_csv('/content/dados_sus.csv', encoding='ISO-8859-1', skiprows = 3, skipfooter=9, sep = ';', engine='python')
dados_sus
Oi! Tudo bom?
Excelente! Siga praticando com os desafios e sempre compartilhe conosco.
Você soube aplicar a função read_csv() para ler arquivos com uma codificação específica, aproveitou os parâmetros skiprows e skipfooter para limpar o dataset e entendeu como o engine='python' é essencial para lidar com arquivos com rodapés e delimitadores personalizados.
Como dica adicional, experimente adicionar o parâmetro usecols quando quiser selecionar apenas colunas específicas na leitura. Assim:
dados_sus = pd.read_csv('/content/dados_sus.csv', encoding='ISO-8859-1', skiprows=3, skipfooter=9, sep=';', engine='python', usecols=['coluna1', 'coluna2'])
Resultado: Leitura mais rápida e com apenas as colunas necessárias.
Com isso, você poderá otimizar a memória e o desempenho com mais facilidade.
Para saber mais:
Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:
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!