[Projeto] Fiz dessa forma

Os alunos participaram de uma atividade extracurricular e ganharam pontos extras. Esses pontos extras correspondem a 40% da nota atual de cada um deles. Com base nisso, crie uma coluna chamada "Pontos_extras" que contenha os pontos extras de cada aluno, ou seja, 40% da nota atual deles.

dados['Pontos_extras'] = dados['Notas'] * 0.4
dados

Crie mais uma coluna, chamada "Notas_finais" que possua as notas de cada aluno somada com os pontos extras.

dados['Notas_finais'] = dados['Notas'] + dados['Pontos_extras']
dados

Como houve uma pontuação extra, alguns alunos que não tinham sido aprovados antes podem ter sido aprovados agora. Com base nisso, crie uma coluna chamada "Aprovado_final" com os seguintes valores: Coloquei um limite 10

dados['Aprovado_final'] = dados['Notas_finais'].apply(lambda x: "True" if x >= 6 else " False ")
dados['Notas_finais'] = dados['Notas_finais'].clip(upper=10)
dados

Faça uma seleção e verifique quais alunos não tinham sido aprovados anteriormente, mas foram aprovados após a soma dos pontos extras.

alunos_aprovados_com_extras = dados[(dados['Aprovado'] == False) & (dados['Aprovado_final'] == 'True')]
alunos_aprovados_com_extras

Oi, Mateus! Tudo bom?

Excelente! Siga praticando com os desafios e sempre compartilhe conosco.

Você soube criar colunas com operações vetorizadas de forma eficiente, aproveitou o apply() com função lambda para gerar avaliações condicionais e entendeu como o método clip() é essencial para limitar valores dentro de um intervalo.

Como dica adicional, experimente utilizar np.where() quando precisar criar colunas condicionais de forma mais performática e legível. Assim:

import numpy as np

dados['Aprovado_final'] = np.where(dados['Notas_finais'] >= 6, True, False)

Resultado: Cria a coluna Aprovado_final com True ou False baseados na condição.

Com isso, você poderá criar filtros e colunas condicionais com mais facilidade e eficiência.

Para saber mais:

Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:

[Documentação] - numpy.where

Alguns materiais estão em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.

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!