parte 1
dados['Cliente'] = dados['Cliente'].str.lower()
dados['Cliente'] = dados['Cliente'].replace('[^a-zA-Z]',' ',regex = True)
dados['Cliente'] = dados['Cliente'].str.strip()
parte 2
dados['apartamento'] = dados['apartamento'].str.replace('\(blocoAP\)', '', regex=True)
E aí, Thamiris! Tudo bem?
Parabéns! Mantenha o ritmo nos exercícios e continue compartilhando na nossa comunidade.
Percebi que você dominou o uso de métodos de limpeza de texto com Pandas, aplicou muito bem o uso de expressões regulares para remover caracteres indesejados e ainda entendeu a relevância de padronizar e normalizar os dados para garantir consistência nas análises.
Uma outra possibilidade também é usar o método .str.title() com o objetivo de padronizar os nomes com letras maiúsculas no início. Veja só:
dados['Cliente'] = dados['Cliente'].str.title()
Essa abordagem ajuda a deixar a apresentação dos dados mais limpa e amigável, principalmente em relatórios ou dashboards.
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!