Faça como eu fiz

import pandas as pd
url = 'https://raw.githubusercontent.com/alura-cursos/pandas-conhecendo-a-biblioteca/main/desafios/alunos.csv'
pd.read_csv(url)
Nome	Idade	Notas	Aprovado
0	Ary	20	7.5	True
1	Ana	18	NaN	False
2	Cátia	27	2.5	False
3	Denis	18	5.0	False
4	Beto	21	10.0	True
5	Bruna	23	NaN	False
6	Dara	21	7.0	True
7	Carlos	19	6.0	True
8	Alice	35	5.6	False
9	Vitor	28	NaN	False
10	Daniel	21	NaN	False
11	Igor	24	4.5	False
12	Sthefanie	26	9.5	True
13	Mirla	25	9.0	True
14	Paulo	37	NaN	False
15	Mylena	29	7.0	True
16	Lucas	33	NaN	False
17	Nadia	34	8.0	True
dados = pd.read_csv(url)
dados.head(7)
Nome	Idade	Notas	Aprovado
0	Ary	20	7.5	True
1	Ana	18	NaN	False
2	Cátia	27	2.5	False
3	Denis	18	5.0	False
4	Beto	21	10.0	True
5	Bruna	23	NaN	False
6	Dara	21	7.0	True
dados.tail(5)
Nome	Idade	Notas	Aprovado
13	Mirla	25	9.0	True
14	Paulo	37	NaN	False
15	Mylena	29	7.0	True
16	Lucas	33	NaN	False
17	Nadia	34	8.0	True
dados.shape
(18, 4)
dados.columns
Index(['Nome', 'Idade', 'Notas', 'Aprovado'], dtype='object')
dados.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18 entries, 0 to 17
Data columns (total 4 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   Nome      18 non-null     object 
 1   Idade     18 non-null     int64  
 2   Notas     12 non-null     float64
 3   Aprovado  18 non-null     bool   
dtypes: bool(1), float64(1), int64(1), object(1)
memory usage: 582.0+ bytes
dados.describe()
Idade	Notas
count	18.000000	12.000000
mean	25.500000	6.800000
std	6.070662	2.204953
min	18.000000	2.500000
25%	21.000000	5.450000
50%	24.500000	7.000000
75%	28.750000	8.250000
max	37.000000	10.000000
dados['Nome']
0           Ary
1           Ana
2         Cátia
3         Denis
4          Beto
5         Bruna
6          Dara
7        Carlos
8         Alice
9         Vitor
10       Daniel
11         Igor
12    Sthefanie
13        Mirla
14        Paulo
15       Mylena
16        Lucas
17        Nadia
Name: Nome, dtype: object