import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = 'https://raw.githubusercontent.com/alura-cursos/python_dados/refs/heads/main/Dados/contagem_bicicletas.csv'
df = pd.read_csv(url)
df.head()
df['data_hora'] = pd.to_datetime(df['data_hora'])
df['Data'] = df['data_hora'].dt.date
df_bike = df.groupby('Data')['contagem'].sum().reset_index()
df_bike
Olá, Márcia! Como vai?
Muito bem! Continue resolvendo os desafios e compartilhando com a comunidade Alura.
Observei que você utilizou muito bem o pd.to_datetime() para tratar colunas de tempo e ainda compreendeu a importância do reset_index() para manter o DataFrame organizado para análise.
Uma dica interessante para o futuro é usar o Seaborn com lineplot() para visualizar a evolução da contagem de bicicletas ao longo do tempo. Dessa forma:
plt.figure(figsize=(12,6))
sns.lineplot(data=df_bike, x='Data', y='contagem')
plt.title('Contagem diária de bicicletas')
plt.ylabel('Total de bicicletas')
plt.xlabel('Data')
plt.tight_layout()
plt.show()
Resultado:
Isso faz com que a análise ganhe uma representação visual clara e impactante.
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!