Projeto 1
#convertendo a coluna data de venda para datetime
dados['Data de venda'] = pd.to_datetime(dados['Data de venda'], format = '%d/%m/%Y')
#conferindo o tipo das colunas
dados.info()
#somando as compras dos clientes ao longo dos dias e ordenando o total de forma descendente
dados.groupby(dados['Cliente'])['Valor da compra'].sum().sort_values(ascending = False)
Projeto 2
#conferindo os tipos dos dados
dados.info()
#convertendo as colunas de data para datetime
dados['datas_combinadas_pagamento'] = pd.to_datetime(dados['datas_combinadas_pagamento'], format = '%d/%m/%Y')
dados['datas_de_pagamento'] = pd.to_datetime(dados['datas_de_pagamento'], format = '%d/%m/%Y')
#adiciona uma coluna pagamento_atrasado que recebe True caso a data do pagamento tenha sido após a data combinada
dados['pagamento_atrasado'] = dados['datas_de_pagamento'] > dados['datas_combinadas_pagamento']
#adiciona uma coluna dias_em_atraso para calcular a diferença de dias em atraso do pagamento
dados['dias_em_atraso'] = (dados['datas_de_pagamento'] - dados['datas_combinadas_pagamento']).dt.days
moradores_atraso = dados['pagamento_atrasado'].sum()
media_dias_atraso = dados['dias_em_atraso'].mean()
soma_valor = dados.query('pagamento_atrasado == True')['valor_aluguel'].sum()
print(f'No período analisado, {moradores_atraso} moradores atrasaram seus alugueis em uma média de {media_dias_atraso -1 :.0f} dias.')
print(f'A inadimplência destes moradores poderia te causar um prejuízo de {soma_valor:.2f} para as despesas fixas e variáveis.')
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!