MBA em Ciência de Dados

Programação para Ciência de Dados

Avaliação Final

Material Produzido por Luis Gustavo Nonato
Cemeai - ICMC/USP São Carlos

ATENÇÃO: Quando terminar o exame, você deve fazer um “upload” do notebook no moodle.

Para responder as questões abaixo será necessário fazer uso do arquivo emendas_p2023.csv disponível para download no moodle. O arquivo contém dados sobre emendas parlamentares apresentadas em 2023. Dentre as colunas do conjunto de dados, as que serão relevantes para esta avaliação são: - Tipo de Emenda: tipo de emenda - Autor da emenda: parlamentar autor da emenda - Localidade do gasto: localidade para onde o valor foi enviado - Numero da emenda: número associado a emenda para controle interno - Valor empenhado: valor empenhado mas não necessariamente pago - Valor pago: valor realmente pago

import numpy as np
import pandas as pd

Questão 1 (2 pontos)

Considerando os dados contidos no arquivo emendas_p2023.csv:

a) (1 ponto)

Carregue o arquivo emendas_p2023.csv e armazena em um DataFrame. Imprima as 10 primeiras linhas do DataFrame e os rótulos das colunas.

#Solucao

c) (1 ponto)

A coluna ‘Numero da emenda’ correponde a um código de controle interno do parlamento, sem utilidade para as analises que serão feitas a seguir, portanto deve ser eliminada. Elimine a coluna ‘Numero da emenda’ do DataFrame.

#Solucao

Questão 2 (2 pontos)

Verifique quantos tipos de emendas diferentes exitem na base (coluna ‘Tipo de Emenda’) e aponte qual o tipo de emenda que mais aparece na base.

#Solucao

Questão 3 (3 pontos)

a) (1 ponto)

Encontre os três parlamentares (coluna ‘Autor da emenda’) que apresentaram o maior número de emendas em 2023.

#Solucao

b) (2 pontos)

Para cada um dos três parlamentares encontrados acima, liste qual foi o valor empenhado (coluna ‘Valor empenhado’) para as emendas por eles apresentadas.

#Solucao

Questão 4 (3 pontos)

Encontre as cinco localidades (coluna ‘Localidade do gasto’) que receberam os maiores valores pagos (soma da coluna ‘Valor pago’).

Dica: Use groupby com redução de soma e ordene o resultado em ordem decrescente.

local_gasto = df.groupby('Localidade do gasto')['Valor pago'].sum()

print(local_gasto.sort_values(ascending=False).iloc[:6])