Para compreender melhor os conceitos desta atividade, procurei interpretar o desafio como uma situação de acompanhamento acadêmico. Em vez de focar apenas nos comandos, busquei entender a lógica da análise realizada sobre a base de dados dos estudantes.
Neste exercício, foi proposto que os alunos recebessem uma bonificação correspondente a 40% de sua nota atual. A partir disso, foi necessário recalcular as notas, verificar novas aprovações e identificar quais estudantes mudaram de situação.
1. Criar a coluna "Pontos_extras"
Cada estudante recebeu uma pontuação adicional correspondente a 40% de sua nota atual.
Utilizamos:
dados['Pontos_extras'] = dados['Notas'].apply(lambda x: x * 0.4)
Interpretação:
Para cada nota existente na coluna "Notas", calcular 40% do valor e armazenar o resultado em uma nova coluna chamada "Pontos_extras".
Exemplos:
| Aluno | Nota | Pontos Extras |
|---|---|---|
| Ary | 7.5 | 3.0 |
| Beto | 10.0 | 4.0 |
| Denis | 5.0 | 2.0 |
2. Criar a coluna "Notas_finais"
A nota final corresponde à soma da nota original com os pontos extras.
Utilizamos:
dados['Notas_finais'] = dados['Notas'] + dados['Pontos_extras']
Interpretação:
Somar as colunas "Notas" e "Pontos_extras" para gerar a nota final de cada estudante.
Exemplos:
| Aluno | Nota | Pontos Extras | Nota Final |
|---|---|---|---|
| Ary | 7.5 | 3.0 | 10.5 |
| Denis | 5.0 | 2.0 | 7.0 |
| Igor | 4.5 | 1.8 | 6.3 |
3. Criar a coluna "Aprovado_final"
Após a bonificação, foi necessário verificar novamente quem estava aprovado.
Critério:
- Nota final maior ou igual a 6 → True
- Nota final menor que 6 → False
Utilizamos:
dados['Aprovado_final'] = dados['Notas_finais'].apply(
lambda x: True if x >= 6 else False
)
Interpretação:
Verificar a nota final de cada estudante e registrar se ele está aprovado ou não.
4. Identificar os estudantes que mudaram de situação
O objetivo agora foi descobrir quais estudantes não estavam aprovados anteriormente, mas passaram a estar aprovados após o acréscimo dos pontos extras.
Utilizamos:
dados.query(
'Aprovado == False & Aprovado_final == True'
)
Interpretação:
Mostrar apenas os estudantes que eram reprovados antes e se tornaram aprovados depois da bonificação.
Resultado obtido com a base fornecida
| Nome | Nota Inicial | Nota Final |
|---|---|---|
| Denis | 5.0 | 7.0 |
| Alice | 5.6 | 7.84 |
| Igor | 4.5 | 6.3 |
Esses três estudantes mudaram de situação após o acréscimo dos pontos extras.
Síntese da Aprendizagem
Neste desafio, compreendi que o Pandas permite realizar operações matemáticas diretamente entre colunas, criando novas informações a partir dos dados existentes. Aprendi a utilizar o método apply() para aplicar cálculos em toda uma coluna, a criar novas colunas derivadas, a estabelecer critérios automáticos de aprovação e a utilizar filtros para identificar mudanças de situação em um conjunto de dados.
Ao adaptar mentalmente o exercício para um contexto educacional, consegui compreender melhor que a análise de dados não se limita a observar informações prontas; ela também permite gerar novos indicadores, simular cenários e apoiar processos de tomada de decisão.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!