Desafio Projeto - Criar tabela com distribuição de frequências

Olá, Kamilla! Tudo bem? Espero que sim!

Você pode utilizar os métodos do próprio Pandas para fazer essa tabela de frequência relativa. Nós vamos começar utilizando o DataFrame do curso:

import pandas as pd

df = pd.read_csv("dados.csv")

# Código para trocar as variáveis categórias de Cor.
df['Cor']= df['Cor'].replace({0:"Indígena",
                              2:"Branca",
                              4:"Preta",
                              6:"Amarela",
                              8:"Parda",
                              9:"Sem declaração"})

df.head(5)

E a saída esperada é:

Distribuição Populacional

Para calcular a distribuição populacional nós vamos fazer uma contagem das ocorrências para cada valor em Cor, e depois nós vamos utilizar o parâmetro normalize = True para receber a frequência relativa. Da seguinte maneira:

distribuicao_populacional = df['Cor'].value_counts(normalize = True).to_frame() * 100
distribuicao_populacional

Com a saída esperada:

O método to_frame()foi utilizado para transformar o resultado em um Pandas DataFrame, isso vai facilitar a junção com o próximo resultado.

Distribuição de Renda

Para a distribuição de Renda, nós precisamos primeiro fazer uma operação de agrupamento dos dados através da coluna Cor, e somente depois de ter os dados agrupados por ela, nós podemos calcular a proporção deles com base na renda total.

Para fazer o agrupamento, nós vamos usar o método groupby(), precedido da função de soma. E o resultado disso vai ser normalizado com o valor da soma de todas as rendas. Conforme o código abaixo:

distribuicao_renda = df[['Cor', 'Renda']].groupby('Cor').sum() / sum(df['Renda']) * 100
distribuicao_renda

Que possui saída esperada:

Agora nós temos dois pd.DataFrame com os mesmos índices, podemos utilizar a função pd.concat(), que recebe uma lista de DataFrames e os junta através de linhas ou colunas (parâmetro axis). Então o nosso código fica:

pd.concat([distribuicao_populacional, distribuicao_renda], axis = 1)

E a saída esperada é:

Pronto, agora nós temos um procedimento que calcula a mesma tabela para vários valores do seu Dataset :D.

Se ainda tiver alguma dúvida, estou por aqui. Ótimos estudos e grande abraço!

Obrigada Marcus!