#gerando dataframe a partir de pivot_table
#pela documentação, os valores de emissão são calculados como média para cada intersecção
emissao_setor_economico = emissoes_por_ano.pivot_table(index = 'Ano', columns = 'Nível 1 - Setor', values = 'Emissão')
emissao_setor_economico
#gerando visualização gráfica dos dados de emissão por setor econômico ao longo do tempo
emissao_setor_economico.plot(subplots = True, figsize = (10, 10));
Olá, Vinícius! Como vai?
Parabéns pela resolução da atividade!
Observei que você explorou o uso da função pivot_table para reorganizar os dados de emissão com Pandas, utilizou muito bem o parâmetro values para calcular a média das emissões e ainda compreendeu a importância de gerar visualizações gráficas com plot para analisar a evolução ao longo do tempo.
Uma dica interessante para o futuro é adicionar títulos e rótulos aos gráficos, o que facilita a interpretação dos resultados. Assim:
emissao_setor_economico.plot(subplots=True, figsize=(10, 10), title="Emissões por Setor Econômico ao longo do tempo")
Isso faz com que cada gráfico seja exibido já com um título, tornando a visualização mais clara e informativa.
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!