Olá, Maria. Como vai?
Parabéns pela resolução do desafio! O seu código ficou excelente, muito limpo e direto ao ponto. É ótimo ver que você compartilhou o link do seu notebook do Google Colab e explorou caminhos diferentes para o mesmo problema.
Analisando as suas soluções, vale destacar ótimas práticas que você aplicou:
- Uso inteligente do
sort_values: No Desafio 3, a sua segunda forma utilizando o .sort_values(ascending=False) é a melhor escolha para análise de dados. Agrupar os dados e ordená-los do maior para o menor facilita muito a leitura do relatório, permitindo que qualquer pessoa identifique instantaneamente os bairros mais caros. - Encadeamento de métodos (
Method Chaining): No Desafio 4, você fez uma construção fantástica ao juntar .sort_values(ascending=False).head(5). Essa capacidade de ordenar e já filtrar os 5 primeiros registros em uma única linha é um dos grandes poderes da biblioteca Pandas. - Customização do Gráfico: Seu gráfico ficou super completo com a inclusão de título (
plt.title) e a identificação correta dos eixos X e Y (plt.xlabel e plt.ylabel). Isso demonstra cuidado com a comunicação visual dos dados.
Para enriquecer ainda mais o seu aprendizado e o seu notebook, deixo duas sugestões rápidas de boas práticas e melhorias no código:
1. Rotacionar os rótulos do eixo X
Como os nomes dos bairros podem ser longos, em gráficos de barras verticais (kind='bar') eles costumam ficar na horizontal e podem se sobrepor ou cortar. Você pode garantir que eles fiquem legíveis adicionando o argumento de rotação dentro do método plot ou usando o plt.xticks:
# Rotaciona os nomes dos bairros em 45 graus para melhorar a leitura
top_5_bairros.plot(kind='bar', rot=45)
2. Formatar os valores do eixo Y (Opcional)
Como estamos lidando com valores de aluguel (moeda), uma boa prática em visualização de dados é fazer com que o gráfico exiba os números de forma amigável. Uma alternativa elegante ao gráfico de barras verticais para rankings é o gráfico de barras horizontais (kind='barh'), pois ele dá mais espaço para ler o nome dos bairros de forma natural (da esquerda para a direita). Veja como testar:
# Gráfico de barras horizontais (barh) do menor para o maior para o topo ficar no topo
top_5_bairros.sort_values(ascending=True).plot(kind='barh')
plt.title('Top 5 bairros com maior média de aluguel')
plt.xlabel('Aluguel Médio (R$)')
plt.ylabel('Bairro')
plt.show()
O seu domínio inicial sobre as funções de agregação (groupby) e visualização com o Pandas está fantástico. Continue com essa dedicação e explorando o potencial das bibliotecas de Data Science!
Espero que possa ter lhe ajudado!
