Olá, Estudante! Como vai?
Parabéns pela resolução da atividade!
Vi que você explorou o DataFrame para cálculos condicionais com Python, utilizou muito bem a query para filtrar registros e ainda compreendeu a importância da lambda function para aplicar regras de aprovação.
Continue postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.
Uma dica interessante para o futuro é simplificar a condição com np.where, assim:
import numpy as np
data['Aprovado_final'] = np.where(data['Notas_finais'] >= 6, True, False)
Isso torna o código mais direto e eficiente.
Se quiser aprofundar ainda mais, algumas boas práticas são:
- Legibilidade: manter nomes de colunas claros e consistentes.
- Validação: verificar se há valores nulos antes de aplicar cálculos.
- Escalabilidade: usar funções vetorizadas para grandes conjuntos de dados.
Alguns materiais podem estar em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.
Ah, uma pergunta: você prefere continuar explorando funções vetorizadas para otimizar cálculos em DataFrames ou praticar consultas avançadas com filtros e expressões lógicas mais complexas?
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!
