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
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
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!