Introdução à Análise de Dados

Este repositório contém um notebook interativo projetado para introduzir iniciantes ao mundo da Análise de Dados utilizando Python. O material cobre desde conceitos fundamentais até técnicas mais avançadas de exploração e visualização de dados, com foco prático utilizando a biblioteca pandas.

Objetivo:

Esse projeto foi criado durante a semana de Iniciação ao Python, da Escola de Métodos e Pesquisa 2025 organizada pelo Programa de Pós-Graduação em Administração da Universidade Federal da Paraíba, iniciativa do Núcleo de Análise de Dados e Desempenho (Α²Δ) em colaboração com o Laboratório de Estudos e Análise de Dados em Administração (LEAD) e o Laboratório de Estudos em Modelagem Aplicada (LEMA), que ocorreram entre os dias 17 e 21 de Fevereiro de 2025.

Realização:

PPGA - UFPB
LEMA
Projects: SAEGO, Preço da Hora

Autor

Pedro Henrique

Ministrantes

Gabriel Pontes

Nercino Neto

Pedro Henrique

📊 Conteúdo

• Introdução ao Pandas e manipulação de dados
• Leitura e exploração de datasets reais
• Limpeza e tratamento de dados
• Filtragem e seleção de informações
• Análise estatística descritiva
• Visualização de dados com Matplotlib e Seaborn
• Exercícios práticos
• Introdução à Regressão Linear

Na parte de Exercícios Práticos, você encontrará códigos para mostrar exemplos de respostas em cada questão.

Elas foram armazenadas em um arquivo .json, e são gerenciadas pela classe Respostas().

Exemplo:

🛠️ Como usar

1. Clone o repositório

git clone https://github.com/seu-usuario/seu-repositorio.git
cd seu-repositorio

2. Ambiente virtual e dependências

A primeira célula de código do notebook consiste em um script para criar um ambiente virtual e instalar as dependências:

import os
import subprocess
import sys

# Diretório do projeto
path = os.getcwd()

# Nome do ambiente virtual
venv_dir = os.path.join(path, "venv")

# Criação do ambiente virtual
subprocess.run([sys.executable, "-m", "venv", venv_dir])

# Ativação do ambiente virtual conforme o sistema operacional
if os.name == "nt":  # Windows
    activate_script = os.path.join(venv_dir, "Scripts", "activate")
else:  # Linux/Mac
    activate_script = os.path.join(venv_dir, "bin", "activate")

# Determina qual comando pip usar dentro do ambiente virtual
pip_cmd = os.path.join(venv_dir, "Scripts" if os.name == "nt" else "bin", "pip")

# Instala os pacotes do requirements.txt
cmd = f"{pip_cmd} install -r requirements.txt"
subprocess.run(cmd, shell=True)

print("Ambiente virtual criado e pacotes instalados com sucesso!")

3. Execute o Jupyter Notebook

Para ver todas as saídas, execute:

jupyter notebook intro.ipynb

Mas, a parte de exercícios não contém códigos, mas prints de respostas. Se executar, as respostas aparecerão.

📚 Estrutura do Repositório

.
│   intro.ipynb  # Notebook principal
│   LICENSE      # Licença do projeto
│   requirements.txt  # Dependências do projeto
│
├───data  # Datasets utilizados
│       cars-modelagem.csv
│       cars_translated.csv
│       data.csv
│
└───respostas_exemplo  # Arquivos de resposta para exercícios
    │   respostas.json
    │   respostas.py