[Projeto] Desafio

Filipe Santana · 2026-05-29 18:50

Olá! Segue uma possível resolução do desafio utilizando Pandas. Primeiro, importamos a biblioteca e lemos o arquivo CSV: ```python import pandas as pd dados = pd.read_csv('alu

import pandas as pd dados = pd.read_csv('alunos.csv') dados = dados.fillna(0) alunos_a_remover = dados.query('Nome == "Alice" | Nome == "Carlos"').index dados.drop(alunos_a_remover, axis=0, inplace=True) selecao = dados['Aprovado'] == True alunos_aprovados = dados[selecao] alunos_aprovados = alunos_aprovados.replace(7.0, 8.0) alunos_aprovados.to_csv('alunos_aprovados.csv', index=False) alunos_aprovados

Olá, Filipe. Como vai?

Muito bacana a sua iniciativa de compartilhar a resolução do desafio aqui no fórum! O seu raciocínio lógico foi excelente e o código está muito bem estruturado, limpo e legível. Construir o passo a passo antes de juntar tudo no código completo é uma ótima prática de documentação e aprendizado.

Para agregar ainda mais valor ao seu projeto e expandir o seu repertório com a biblioteca Pandas, trago algumas sugestões de alternativas e boas práticas que você também pode testar e utilizar no seu dia a dia:

**Remoção de linhas com o método isin**: A sua abordagem buscando o index com query e depois utilizando o drop funciona perfeitamente. Uma outra forma muito utilizada no mercado para remover linhas baseadas em uma lista de valores é utilizar o método isin() associado ao operador de negação ~ (que inverte a seleção). Veja como o código fica um pouco mais direto:

# Mantém no DataFrame apenas as linhas onde o Nome NÃO é Alice nem Carlos
dados = dados[~dados['Nome'].isin(['Alice', 'Carlos'])]

Filtro simplificado de valores booleanos: Na hora de selecionar os alunos aprovados, você utilizou dados['Aprovado'] == True. Como essa coluna já armazena dados do tipo booleano (True ou False), você pode passar a própria coluna diretamente como máscara de filtro. O Pandas já entende nativamente que deve retornar as linhas verdadeiras:

# Filtra diretamente os valores True
alunos_aprovados = dados[dados['Aprovado']]

Uso do replace em colunas específicas: Você utilizou muito bem o método replace(7.0, 8.0). Como uma boa prática de segurança em Data Science, quando queremos alterar valores, é recomendado aplicar o método apenas na coluna de interesse. Ao aplicar no DataFrame inteiro, corremos o risco de substituir acidentalmente o número 7.0 em outras colunas que porventura tenham esse mesmo dado (como uma coluna de idade, IDs, etc.):

# Aplica a substituição estritamente na coluna de notas
alunos_aprovados['Notas'] = alunos_aprovados['Notas'].replace(7.0, 8.0)

Essas são apenas ferramentas adicionais para a sua caixa de ferramentas de análise de dados. A sua resolução original já cumpre os requisitos do desafio com maestria!

Espero que possa ter lhe ajudado!

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

Tópicos relacionados

Conteúdos Alura com o tema