1
resposta

[Projeto] Etapa 4

Projeto desafio 1: vendas online

#Transformando em tipo Objeto em  Datetime
dados_vendas['Data de venda'] = pd.to_datetime(dados_vendas['Data de venda'])


#Verificando mudança
dados_vendas.info()


#Juntando por nome com groupby e somando valor de compras
maior_compra = dados_vendas.groupby(['Cliente'])['Valor da compra'].sum().sort_values( ascending = False)

#Resultado 
nome = maior_compra.index[0]
valor = maior_compra.iloc[0]

print(f'O cliente que mais comprou foi {nome} com um total de R$ {valor:.2f}')

Projeto desafio 2: administração de condomínios

#Transformando em tipo Datetime
dados_imoveis['datas_de_pagamento'] = pd.to_datetime(dados_imoveis['datas_de_pagamento'],format = '%d/%m/%Y') 


#Transformando em tipo Datetime
dados_imoveis['datas_combinadas_pagamento'] = pd.to_datetime(dados_imoveis['datas_combinadas_pagamento'],format = '%d/%m/%Y') 
dados_imoveis


#Verificando mudança
dados_imoveis.info()


#Calculando quantos dias foram atrasados
dados_imoveis['dias_atrasado'] = (dados_imoveis['datas_de_pagamento'] - dados_imoveis['datas_combinadas_pagamento']).dt.days
dados_imoveis['dias_atrasado']


#Verificando média de atraso de cada apartamento
media_atraso = dados_imoveis.groupby(['apartamento'])['dias_atrasado'].mean().sort_values( ascending = False)
media_atraso

#Resultado
maior_atraso = media_atraso.index[0]
dias = media_atraso.iloc[0]

print(f'Assim o Apartamento {maior_atraso} está com maior média de dias atrasados com {dias} dias.')
1 resposta

Oi, Mateus! Como vai?

Agradeço por compartilhar seu código com a comunidade Alura.

Gostei muito da clareza nas transformações de data com pd.to_datetime e o uso do groupby para análises. Sua lógica para identificar o cliente com maior gasto e o apartamento com mais atraso está bem estruturada.

Uma dica interessante para o futuro é o uso do método reset_index() após um groupby, quando quiser transformar os índices em colunas e facilitar análises posteriores. Veja este exemplo:


media_atraso = dados_imoveis.groupby(['apartamento'])['dias_atrasado'].mean().reset_index()
print(media_atraso)

Isso facilita a leitura do DataFrame e permite aplicar filtros com mais facilidade.

Alura

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