Projeto desafio 1: vendas online
#Deixando letras minusculas
dados_vendas['Cliente'] = dados_vendas['Cliente'].str.lower()
dados_vendas
#Removendo caracteres
dados_vendas['Cliente'] = dados_vendas['Cliente'].str.replace('[^a-zA-Z\s]', '', regex=True)
dados_vendas
Projeto desafio 2: administração de condomínios
#Removendo (blocoAP)
dados_imoveis['apartamento'] = dados_imoveis['apartamento'].str.replace(r'\s*\(.*?\)', '', regex=True)
dados_imoveis
Ei, Mateus! Tudo bem?
Muito bom seu código! Você usou muito bem as funções do pandas para padronizar textos e remover caracteres indesejados. No primeiro desafio, a combinação de str.lower() e str.replace() garante que os nomes dos clientes fiquem uniformes, o que é essencial para análises consistentes. Já no segundo desafio, a regex r'\s*\(.*?\)' foi uma ótima escolha para remover os blocos/AP entre parênteses.
Dica: em projetos reais, sempre valide se essas transformações não afetam acidentalmente outros dados (como nomes com caracteres especiais válidos).
Continue se dedicando aos estudos e qualquer dúvida, compartilhe no fórum.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!