Faça como eu fiz: DataFrames e Filtros

import pandas as pd
dados = {
"nome do produto": [
"Notebook", "Mouse", "Teclado", "Monitor", "Headset"
],
"categoria": [
"Informática", "Acessórios", "Acessórios", "Informática", "Áudio"
],
"preço": [
3500.00, 80.00, 150.00, 1200.00, 250.00
],
"avaliação": [
4.8, 4.5, 4.6, 4.7, 4.4
],
"itens vendidos": [
120, 500, 320, 85, 210
]
}

df = pd.DataFrame(dados)

print("DataFrame criado:")
print(df)

DataFrame criado:
nome do produto categoria preço avaliação itens vendidos
0 Notebook Informática 3500.0 4.8 120
1 Mouse Acessórios 80.0 4.5 500
2 Teclado Acessórios 150.0 4.6 320
3 Monitor Informática 1200.0 4.7 85
4 Headset Áudio 250.0 4.4 210

print(df["nome do produto"])

0 Notebook
1 Mouse
2 Teclado
3 Monitor
4 Headset
Name: nome do produto, dtype: object

categorias_unicas = df["categoria"].unique()

print(categorias_unicas)

['Informática' 'Acessórios' 'Áudio']

acessorios = df[df["categoria"] == "Acessórios"]

print(acessorios)

nome do produto categoria preço avaliação itens vendidos
1 Mouse Acessórios 80.0 4.5 500
2 Teclado Acessórios 150.0 4.6 320

produtos_baixa_avaliacao = df[df["avaliação"] > 4.0]

print(produtos_baixa_avaliacao)

               categoria   preço  avaliação  itens vendidos

nome do produto
Notebook Informática 3500.0 4.8 120
Mouse Acessórios 80.0 4.5 500
Teclado Acessórios 150.0 4.6 320
Monitor Informática 1200.0 4.7 85
Headset Áudio 250.0 4.4 210

filtro = df[
(df["categoria"] == "Acessórios") &
(df["preço"] < 100)
]

print(filtro)

nome do produto categoria preço avaliação itens vendidos
1 Mouse Acessórios 80.0 4.5 500

print(df.iloc[0:3])

nome do produto categoria preço avaliação itens vendidos
0 Notebook Informática 3500.0 4.8 120
1 Mouse Acessórios 80.0 4.5 500
2 Teclado Acessórios 150.0 4.6 320

df = df.set_index("nome do produto")

print(df)

               categoria   preço  avaliação  itens vendidos

nome do produto
Notebook Informática 3500.0 4.8 120
Mouse Acessórios 80.0 4.5 500
Teclado Acessórios 150.0 4.6 320
Monitor Informática 1200.0 4.7 85
Headset Áudio 250.0 4.4 210

Implemente o desafio: Usando o Oppen Office ele não reconhece o arquivo todo, somente 4 linhas

Olá, Marcelo! Como vai?

Parabéns pela realização das atividades!

Você apresentou um uso consistente do pandas, demonstrou habilidade em aplicar filtros e seleções de dados, além de organizar o DataFrame de forma clara e prática. Também mostrou atenção em explorar métodos como unique, iloc e set_index, o que enriquece bastante a manipulação dos dados.

É importante perceber que você conseguiu estruturar consultas que simulam cenários reais de análise de produtos, como identificar categorias, filtrar por preço e avaliar desempenho de vendas.

Se quiser aprofundar ainda mais, algumas boas práticas são:

Exportação adequada: salvar o DataFrame em formatos como .csv ou .xlsx para garantir compatibilidade com softwares como OpenOffice.
Normalização de dados: padronizar nomes de colunas e categorias para evitar problemas de leitura em diferentes ferramentas.
Validação: conferir se o encoding (UTF-8, ISO-8859-1) está correto ao exportar, pois isso costuma ser a causa de falhas de reconhecimento.

Ah uma pergunta: Você prefere trabalhar com os dados diretamente em Python ou acha mais prático exportar para planilhas e analisar em softwares como OpenOffice?

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!

Importante

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP