[Dúvida] Por que considerar tempo_servico = tipo_contrato? | Pandas: limpeza e tratamento de dados

Prezados, No vídeo 5, da aula 2, para solucionar o problema de existirem células vazias na variável "conta.cobranca.Total" o instrutor orientou a multiplicarmos o valor mensal (conta.cobranca.mensal) pelos meses referentes ao tipo de contrato (conta.contrato).

filtro de linhas com a coluna conta.cobranca.Total vazias, mostrando as colunas de tempo_servico, contrato, cobranca.mensal e cobranca.Total

Contudo, percebi que o tipo de contrato não corresponde necessariamente aos meses de uso, o que pode indicar um relatório extraído durante as operações. Para chegar a essa conclusão consultei os demais valores, conforme exemplo:

amostra de dataframe com colunas conta.contrato e cliente.tempo_servico com filtro de conta.contrato diferente de mes a mes

Diante disso, minha pergunta é:

Por que nesses casos, para preencher o valor de cobrança total, devemos considerar o tempo de serviço(cliente.tempo_servico) como sendo igual ao número de meses do tipo de contrato(conta.contrato) se o tempo de serviço não corresponde, necessariamente, ao tipo de contrato nos demais casos do dataframe?

Olá Felipe, tudo bem?

Desculpa pela demora em dar um retorno.

Você está correto em seu apontamento. A prioridade, nesse caso, seria fazer a multiplicação pela coluna "cliente.tempo_servico". No entanto, ao tentar fazer dessa forma com os dados filtrados com o código:

dados_normalizados[dados_normalizados['conta.cobranca.Total'] == ' '][
    ['cliente.tempo_servico', 'conta.contrato', 'conta.cobranca.mensal', 'conta.cobranca.Total']
]

Nos deparamos com a situação em que, quando os valores de "conta.cobranca.Total" estão em branco, os valores de "cliente.tempo_servico" estão com 0. Portanto, se realizarmos a multiplicação, a coluna "conta.cobranca.Total" também ficará com 0.

Diante disso, a forma como interpretei o problema foi a seguinte: "Os clientes que estão com 0 na coluna "cliente.tempo_servico" é porque não concluíram nem 1 mês de assinatura, porém seu contrato é de dois anos, então podemos inferir que ao final dos dois anos eles terão um tempo de serviço de no mínimo 24 meses, dada a natureza de seu contrato. Mas isso é válido para todos os casos da base de dados?

Não, isso só é válido para essa seleção que fizemos. Por esse motivo, realizamos a filtragem apenas desses índices da seleção anterior (idx = dados_normalizados[dados_normalizados['conta.cobranca.Total'] == ' '].index) e aplicamos a transformação apenas nas amostras desses índices (dados_normalizados.loc[idx, "conta.cobranca.Total"] = dados_normalizados.loc[idx, "conta.cobranca.mensal"] * 24). Dessa forma, não realizamos a operação em toda a base de dados.

Espero que a explicação tenha ficado mais clara, mas caso ainda não tenha ficado, pode retornar por aqui mesmo.

Percebi no seu print que o índice 2075 está com o valor "um ano" em "conta.contrato". Você conseguiria me informar de qual link pegou a base de dados, por gentileza? Aguardo retorno.

Bons estudos!