import pandas as pd
url = "https://raw.githubusercontent.com/alura-cursos/pandas-conhecendo-a-biblioteca/main/base-de-dados/aluguel.csv"
df = pd.read_csv(url, sep=";")
print("Base de dados carregada com sucesso!")
print(df.head())
df_1 = df[(df["Tipo"] == "Apartamento") & (df["Area"] > 80)]
df_2 = df[df["Valor"] < 4000]
df_1.to_csv("dados/df_1.csv", index=False)
df_2.to_csv("dados/df_2.csv", index=False)
print("\nArquivos df_1.csv e df_2.csv foram salvos na pasta 'dados'!")
df_1_lido = pd.read_csv("dados/df_1.csv")
df_2_lido = pd.read_csv("dados/df_2.csv")
print("\nPrimeiras linhas de df_1_lido:")
print(df_1_lido.head())
print("\nPrimeiras linhas de df_2_lido:")
print(df_2_lido.head())
Algoritimo:
Carrega a base de dados de aluguel diretamente da URL.
Cria dois DataFrames filtrados (df_1 e df_2) com condições diferentes.
Salva cada DataFrame em um arquivo CSV dentro da pasta dados.
Lê novamente os arquivos salvos com read_csv() para garantir que foram exportados corretamente.
Exibe as primeiras linhas de cada arquivo para validação visual.
**Saída: **
df.head(): primeiras linhas da base original (df.head()):
Tipo Quartos Valor Condominio Area
0 Quitinete 1 800.0 250.0 30
1 Quitinete 1 900.0 300.0 45
2 Quitinete 1 850.0 200.0 38
3 Quitinete 1 700.0 180.0 28
4 Quitinete 1 950.0 320.0 40
df_1: apartamentos com área maior que 80 m²
Tipo Quartos Valor Condominio Area
10 Apartamento 2 2500.0 500.0 85
11 Apartamento 3 3200.0 650.0 120
15 Apartamento 4 4500.0 800.0 150
20 Apartamento 2 2800.0 550.0 95
df_2: imóveis com aluguel menor que R$ 4.000
Tipo Quartos Valor Condominio Area
0 Quitinete 1 800.0 250.0 30
1 Quitinete 1 900.0 300.0 45
2 Quitinete 1 850.0 200.0 38
10 Apartamento 2 2500.0 500.0 85
11 Apartamento 3 3200.0 650.0 120
20 Apartamento 2 2800.0 550.0 95
df_1.csv contém os apartamentos maiores que 80 m².
df_2.csv contém os imóveis com aluguel menor que R$ 4.000.
