[Sugestão] Análise exploratória de dados - 09 Desafio: bora praticar?

import pandas as pd
import matplotlib.pyplot as plt
from urllib.request import urlopen
from urllib.parse import urlparse
import io
import csv
import logging

# Configuração de logging
logging.basicConfig(level=logging.INFO, format='%(levelname)s: %(message)s')

def detectar_separador(conteudo_bytes):
    """Detecta o separador do CSV usando csv.Sniffer"""
    try:
        amostra = conteudo_bytes[:1024].decode('utf-8')
        dialeto = csv.Sniffer().sniff(amostra)
        return dialeto.delimiter
    except Exception as e:
        logging.warning(f'Não foi possível detectar o separador: {e}')
        return ','  # fallback seguro

def extrair_extensao(url):
    """Extrai a extensão do arquivo da URL"""
    caminho = urlparse(url).path
    return caminho.split('.')[-1].lower()

def carregar_dados(url):
    """Baixa e carrega dados em um DataFrame do pandas, com suporte a múltiplos formatos"""
    extensao = extrair_extensao(url)
    try:
        conteudo = urlopen(url).read()
    except Exception as e:
        raise RuntimeError(f'Erro ao acessar a URL: {e}')

    buffer = io.BytesIO(conteudo)

    match extensao:
        case 'csv':
            sep = detectar_separador(conteudo)
            return pd.read_csv(buffer, encoding='utf-8', sep=sep)
        case 'xls' | 'xlsx':
            return pd.read_excel(buffer)
        case 'json':
            return pd.read_json(buffer)
        case _:
            raise ValueError(f'Extensão de arquivo não suportada: .{extensao}')

# URL 
url = 'https://raw.githubusercontent.com/alura-cursos/pandas-conhecendo-a-biblioteca/main/base-de-dados/aluguel.csv'

# Carregar dados
dados = carregar_dados(url).copy()
logging.info('Dados carregados com sucesso.')

# Filtrar apartamentos
apartamentos = dados[dados['Tipo'] == 'Apartamento']
quantidade_apartamentos = apartamentos.shape[0]
media_quartos = apartamentos['Quartos'].mean()

print(f'Quantidade de apartamentos: {quantidade_apartamentos}')
print(f'Média de quartos nos apartamentos: {media_quartos:.2f}')

# Bairros únicos
bairros_unicos = dados['Bairro'].nunique()
print(f'Quantidade de bairros únicos: {bairros_unicos}')
print(f'Bairros únicos: {dados["Bairro"].unique()}')

# Agrupamento por bairro
dados_filtrados = dados.dropna(subset=['Valor', 'Bairro'])  # evitar NaNs problemáticos

quantidade_por_bairro = dados_filtrados['Bairro'].value_counts()
media_aluguel_bairro = dados_filtrados.groupby('Bairro')['Valor'].mean()

df_bairros = pd.DataFrame({
    'media_aluguel': media_aluguel_bairro,
    'quantidade': quantidade_por_bairro
}).dropna()

df_bairros['porcentagem'] = df_bairros['quantidade'] / df_bairros['quantidade'].sum() * 100

# Top 5 bairros por aluguel
top5 = df_bairros.sort_values('media_aluguel', ascending=False).head(5)

# Gráfico de barras horizontais
ax = top5['media_aluguel'].plot(kind='barh', title='Média de Aluguel por Bairro (Top 5)')
plt.xlabel('Média de Aluguel')
plt.ylabel('Bairro')

# Adiciona as porcentagens ao final de cada barra
for i, (bairro, row) in enumerate(top5.iterrows()):
    ax.text(row['media_aluguel'] + 20, i, f"{row['porcentagem']:.1f}%", va='center', fontsize=10)

plt.tight_layout()
plt.show()