[Projeto] Desafio: bora praticar?

import pandas as pd import numpy as np url = 'https://raw.githubusercontent.com/alura-cursos/pandas-conhecendo-a-biblioteca/main/desafios/alunos.csv' dados = pd.read_csv(url, sep=',') dados['Pontos_extras'] = dados['Notas'].apply(lambda x: x*0.4) dados['Notas_finais'] = dados['Notas'] + dados['Pontos_extras'] dados['Aprovado_final'] = dados['Notas_finais'] >= 6 condicoes = [ dados['Aprovado'], (~dados['Aprovado']) & (dados['Aprovado_final']) ] selecao = [ 'O aluno já estava aprovado', 'O aluno estava reprovado, mas foi aprovado após os pontos extras' ] dados['Selecao'] = np.select(condicoes, selecao, default='O aluno continuou reprovado') dados.head()

Oi, Paulo! Como vai?

Seu código ficou bem estruturado para praticar a manipulação de dados com Pandas. Você leu a base com read_csv(), criou novas colunas com os pontos extras e a nota final, além de usar np.select() para classificar a situação de cada estudante. Essa solução mostra bem como combinar regras condicionais com novas colunas em um DataFrame.

Dica: para deixar a leitura ainda mais clara, você pode separar os textos de classificação em mensagens mais curtas e conferir a distribuição dos resultados com value_counts():

dados['Selecao'].value_counts()

Esse comando ajuda a visualizar quantos alunos já estavam aprovados, quantos passaram após os pontos extras e quantos continuaram reprovados. Qual etapa você achou mais interessante: criar as novas colunas ou montar as condições com np.select()?

Conteúdos relacionados

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

Importante

[Projeto] Desafio: bora praticar?

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