Tarefa_casa Professora Jessica

dados_compilados.csv

@@ -0,0 +1 @@
+id_compra,nome_pessoa,regiao,produto_comprado,preço_do_produto

exercicios/para-casa/Jennifer_Tarefa_casa-entrega/README.md

@@ -0,0 +1,25 @@
+# Exercício de Casa 🏠
+
+### Aluna: Jennifer Lemos - Turma 0n34 
+
+## Desafio: Qual região trouxe mais dinheiro 💸 para minha loja?
+
+**Explicação do exercício**: Temos 2 CSVs diferentes contendo informações importantes sobre as vendas da nossa lojinha de produtos aleatórios.  
+**Queremos descobrir qual região do país trouxe mais dinheiro para nossa loja, o objetivo?** Investir em abrir mais filiais nessa região em específico.
+
+- **CSV 1**: [pessoas.csv](https://github.com/reprograma/on34-python-s06-arquivos-pacotes-modulos/blob/main/exercicios/para-casa/pessoas.csv)
+- **CSV 2**: [compras_realizadas.csv](https://github.com/reprograma/on34-python-s06-arquivos-pacotes-modulos/blob/main/exercicios/para-casa/compras_realizadas.csv)
+
+**Desafio**: Foi realizada uma tabela com dados CSVs do desafio concatenados e com gráfico demonstrativo com ambos os resultados da região com maior lucro para lojinha. 💸  
+---
+[Link para a tabela](https://docs.google.com/spreadsheets/d/1O9HzybAk4Qtk6o_eNdOINX1bM-C3spPtgeulanX0qy8/edit?usp=sharing)
+
+### Como opcional:
+A nível de compreensão dos temas abordados até a S06, a concatenação em Python trazendo a resposta da região com maior lucro para lojinha. 💸
+---
+
+🌟 **"A busca pelo desafio é o primeiro passo para a conquista."** 🌟
+
+---
+
+💖 _Obrigada por contribuir positivamente para minha jornada!_ 💖

exercicios/para-casa/Jennifer_Tarefa_casa-entrega/tarefa-jenni-csv_python.py

@@ -0,0 +1,187 @@
+import pandas as pd
+from io import StringIO
+
+# Dados fornecidos
+dados1 = """id_compra,nome_pessoa,regiao
+João da Silva,Sul
+Ana Souza,Sudeste
+Felipe Lima,Centro-Oeste
+74,Ana Souza,Nordeste
+João da Silva,Norte
+14,Ana Souza,Nordeste
+79,Ana Souza,Sul
+62,Maria Oliveira,Sudeste
+94,Ana Souza,Norte
+Felipe Lima,Centro-Oeste
+Carlos Santos,Nordeste
+Felipe Lima,Norte
+66,João da Silva,Sudeste
+42,Maria Oliveira,Centro-Oeste
+64,Ana Souza,Sul
+Carlos Santos,Norte
+46,João da Silva,Nordeste
+90,Carlos Santos,Sul
+50,Carlos Santos,Centro-Oeste
+8,Felipe Lima,Norte
+92,Maria Oliveira,Sudeste
+João da Silva,Nordeste
+20,Carlos Santos,Sul
+Felipe Lima,Centro-Oeste
+João da Silva,Norte
+12,Maria Oliveira,Sudeste
+Maria Oliveira,Nordeste
+Ana Souza,Sul
+Felipe Lima,Centro-Oeste
+59,Ana Souza,Norte
+34,Ana Souza,Sudeste
+10,Carlos Santos,Nordeste
+João da Silva,Sul
+72,Maria Oliveira,Centro-Oeste
+84,Ana Souza,Norte
+Ana Souza,Sudeste
+19,Ana Souza,Nordeste
+100,Carlos Santos,Sul
+Maria Oliveira,Centro-Oeste
+48,Felipe Lima,Norte
+Felipe Lima,Sudeste
+João da Silva,Nordeste
+Maria Oliveira,Sul
+16,João da Silva,Centro-Oeste
+Felipe Lima,Norte
+João da Silva,Sudeste
+80,Carlos Santos,Nordeste
+Ana Souza,Sul
+Carlos Santos,Centro-Oeste
+3,Carlos Santos,Norte
+36,João da Silva,Sudeste
+44,Ana Souza,Nordeste
+40,Carlos Santos,Sul
+Ana Souza,Centro-Oeste
+Felipe Lima,Norte
+Felipe Lima,Sudeste
+30,Carlos Santos,Nordeste
+Carlos Santos,Sul
+Maria Oliveira,Centro-Oeste
+Maria Oliveira,Norte
+João da Silva,Sudeste
+86,João da Silva,Nordeste
+32,Maria Oliveira,Sul
+68,Felipe Lima,Centro-Oeste
+Felipe Lima,Norte
+Carlos Santos,Sudeste
+70,Carlos Santos,Nordeste
+Felipe Lima,Sul
+Carlos Santos,Centro-Oeste
+Ana Souza,Norte
+82,Maria Oliveira,Sudeste
+João da Silva,Nordeste
+60,Carlos Santos,Sul
+5,João da Silva,Centro-Oeste
+1,João da Silva,Norte
+Maria Oliveira,Sudeste
+22,Maria Oliveira,Nordeste
+Carlos Santos,Sul
+Felipe Lima,Centro-Oeste
+Maria Oliveira,Norte
+99,Ana Souza,Sudeste
+39,Ana Souza,Norte
+Maria Oliveira,Sudeste
+26,João da Silva,Nordeste
+João da Silva,Sul
+96,João da Silva,Centro-Oeste
+Carlos Santos,Norte
+Carlos Santos,Sudeste
+Felipe Lima,Nordeste
+Maria Oliveira,Sul
+52,Maria Oliveira,Centro-Oeste
+Felipe Lima,Norte
+76,João da Silva,Sudeste
+88,Felipe Lima,Nordeste
+28,Felipe Lima,Sul
+54,Ana Souza,Centro-Oeste
+Maria Oliveira,Norte
+24,Ana Souza,Sudeste
+Maria Oliveira,Nordeste
+"""
+
+dados2 = """id_compra,produto_comprado,preço_do_produto
+1,Smartphone,1500.00
+3,Laptop,3000.00
+5,Tablet,800.00
+8,Headphones,150.00
+10,Monitor,1200.00
+12,Mouse,50.00
+14,Keyboard,80.00
+16,Speaker,200.00
+19,Printer,300.00
+20,Smartwatch,500.00
+22,Keyboard,80.00
+24,Tablet,800.00
+26,Laptop,3000.00
+28,Monitor,1200.00
+30,Mouse,50.00
+32,Speaker,200.00
+34,Smartphone,1500.00
+36,Headphones,150.00
+39,Smartwatch,500.00
+40,Printer,300.00
+42,Smartphone,1500.00
+44,Speaker,200.00
+46,Mouse,50.00
+48,Laptop,3000.00
+50,Keyboard,80.00
+52,Monitor,1200.00
+54,Tablet,800.00
+56,Speaker,200.00
+59,Smartphone,1500.00
+60,Smartwatch,500.00
+62,Keyboard,80.00
+64,Tablet,800.00
+66,Laptop,3000.00
+68,Monitor,1200.00
+70,Mouse,50.00
+72,Speaker,200.00
+74,Smartphone,1500.00
+76,Headphones,150.00
+79,Smartwatch,500.00
+80,Printer,300.00
+82,Smartphone,1500.00
+84,Speaker,200.00
+86,Mouse,50.00
+88,Laptop,3000.00
+90,Keyboard,80.00
+92,Monitor,1200.00
+94,Tablet,800.00
+96,Speaker,200.00
+99,Smartphone,1500.00
+100,Smartwatch,500.00
+"""
+
+# Convertendo as strings 
+df1 = pd.read_csv(StringIO(dados1))
+df2 = pd.read_csv(StringIO(dados2))
+
+# Ajustando as colunas id_compra para terem o mesmo tipo 
+df1['id_compra'] = pd.to_numeric(df1['id_compra'], errors='coerce').astype('Int64')
+df2['id_compra'] = df2['id_compra'].astype('Int64')
+
+
+df1 = df1.dropna(subset=['id_compra'])
+
+
+df_compilado = pd.merge(df1, df2, on='id_compra')
+
+
+df_agrupado = df_compilado.groupby('regiao')['preço_do_produto'].sum().reset_index()
+
+
+# Identificando a região com a maior soma de vendas
+regiao_top = df_agrupado.loc[df_agrupado['preço_do_produto'].idxmax()]
+
+
+print(df_compilado.to_string(index=False))
+
+
+# Exibindo o resultado
+print(f"A região que trouxe mais dinheiro para a loja foi {regiao_top['regiao']} com um total de R$ {regiao_top['preço_do_produto']:,.2f}.")
+

exercicios/para-sala/abril-2024 -tratado.csv

@@ -0,0 +1,31 @@
+Data,Acessos,,,,,,,,,
+01/04/2024,125,,,,,,,,,
+02/04/2024,127,,,,,,,,,
+03/04/2024,132,,,,,,,,,
+04/04/2024,507,,,,,,,,,
+05/04/2024,510,,,,,,,,,
+06/04/2024,130,,,,,,,,,
+07/04/2024,132,,,,,,,,,
+08/04/2024,135,,,,,,,,,
+09/04/2024,137,,,,,,,,,
+10/04/2024,136,,,,,,,,,
+11/04/2024,512,,,,,,,,,
+12/04/2024,510,,,,,,,,,
+13/04/2024,127,,,,,,,,,
+14/04/2024,125,,,,,,,,,
+15/04/2024,126,,,,,,,,,
+16/04/2024,137,,,,,,,,,
+17/04/2024,135,,,,,,,,,
+18/04/2024,517,,,,,,,,,
+19/04/2024,502,,,,,,,,,vs
+20/04/2024,132,,,,,,,,,
+21/04/2024,135,,,,,,,,,
+22/04/2024,130,,,,,,,,,
+23/04/2024,127,,,,,,,,,
+24/04/2024,125,,,,,,,,,
+25/04/2024,520,,,,,,,,,
+26/04/2024,507,,,,,,,,,
+27/04/2024,125,,,,,,,,,
+28/04/2024,127,,,,,,,,,
+29/04/2024,132,,,,,,,,,
+30/04/2024,135,,,,,,,,,

exercicios/para-sala/teste.py

@@ -0,0 +1,32 @@
+import pandas as pd
+
+# Importar os arquivos CSV usando pandas
+try:
+    df1 = pd.read_csv("abril-2024.csv")
+    df2 = pd.read_csv("maio-2024.csv")
+
+    # Concatenar os DataFrames
+    resultado = pd.concat([df1, df2])
+
+    # Salvar o resultado em um novo arquivo CSV
+    resultado.to_csv("abril-maio-2024_pandas.csv", index=False)
+
+    # Mensagem de confirmação
+    print("Arquivo 'abril-maio-2024_pandas.csv' criado com sucesso.")
+
+except FileNotFoundError as e:
+    print(f"Erro: {e}. Verifique se o arquivo está no diretório correto.")
+except Exception as e:
+    print(f"Erro inesperado: {e}")
+
+
+
+
+
+
+
+
+
+
+
+