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!
Durante o desenvolvimento do nosso projeto, nós aplicamos alguns filtros na nossa base de dados e salvamos os DataFrames resultantes em diferentes variáveis, sendo elas: df_1 e df_2. Com base nisso, salve esses DataFrames em 2 arquivos csv distintos para que o time de ML possa ter acesso a esses dados de forma mais prática.
df_1.to_csv('filtro_1.csv', index=False, sep=";")
df_2.to_csv('filtro_2.csv', index=False, sep=";")
Oi, Andressa! Tudo bem?
A sua atividade Desafio: salvando os dados filtrados ficou correta e bem direta, usando o método to_csv() para exportar os DataFrames filtrados em arquivos separados.
O uso de index=False é uma boa escolha, porque evita salvar o índice do DataFrame como uma coluna extra no arquivo, e o sep=";" ajuda a deixar o CSV mais adequado para leitura em ferramentas que usam ponto e vírgula como separador. Uma dica é sempre conferir os arquivos gerados com pd.read_csv('filtro_1.csv', sep=';') e pd.read_csv('filtro_2.csv', sep=';'), assim você valida se os dados foram salvos e lidos corretamente antes de enviar para o time de Machine Learning.
Você chegou a abrir os arquivos CSV depois da exportação para conferir se os filtros foram mantidos corretamente?
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!