uma porção do cereal “a” contém 50 calorias, 20g de carboidratos e 2g de gordura e uma porção do cereal
uma porção do cereal “b” contém 100 calorias, 15g de carboidratos e 1g de gordura.
Coloque essa informações em um DataFrame utilizando a biblioteca Pandas. Não esqueça de adicionar nomes nas colunas e linhas.
No R
cereal = c("a", "b")
calorias = c(50, 100)
carboidrato = c(20, 15)
gordura = c(2, 1)
dados1 = data.frame(cereal, calorias, carboidrato, gordura)
dados1 cereal calorias carboidrato gordura
1 a 50 20 2
2 b 100 15 1No Python. Primeiro é necessário abrir a biblioteca necessária e instalar o pandas no R mesmo.
#install.packages("reticulate")
#library(reticulate)
#py_install("pandas")Após instalar o Python no Rstudio:
import pandas as pd
dados = {
"cereal" : ["a", "b"],
"calorias" : [50, 100],
"carboidrato" : [20, 15],
"gordura" : [2, 1]
}
pydados1 = pd.DataFrame(dados)
print(pydados1) cereal calorias carboidrato gordura
0 a 50 20 2
1 b 100 15 1C é o 2
A é o 1
B é o 3
Questão 3
Primeiro, importa-se o banco de dados, no R e no Python respectivamente:
dados2 <- read.csv("https://raw.githubusercontent.com/mvinoba/notebooks-for-binder/master/dados.csv")pydados2 = pd.read_csv('https://raw.githubusercontent.com/mvinoba/notebooks-for-binder/master/dados.csv')a. Quantas observações tem no conjunto de dados?
nrow(dados2)[1] 1997len(pydados2)1997pydados2.shape(1997, 8)b. Quais são os atributos presentes no conjunto de dados com as respectivas unidades?
a = names(dados2)
unidades = c("unidade", "unidade", "unidade", "unidade", "m2", "localidade", "Reais", "Reais")
dados2unidades = data.frame(a, unidades)
dados2unidades a unidades
1 condominio unidade
2 quartos unidade
3 suites unidade
4 vagas unidade
5 area m2
6 bairro localidade
7 preco Reais
8 pm2 Reaisa = pydados2.columns.tolist()
b = ["unidade", "unidade", "unidade", "unidade", "m2", "localidade", "Reais", "Reais"]
pydados2unidades = pd.DataFrame(b, a) #não sei pq precisei inverter a ordem das colunas, que estranho.
pydados2unidades 0
condominio unidade
quartos unidade
suites unidade
vagas unidade
area m2
bairro localidade
preco Reais
pm2 Reaisc. Qual bairro possui a maior quantidade de apartamentos disponíveis? Qual medida de tendência central é essa?
Para isso utilizaremos a moda. Nem o R nem o pacote Pandas no Python possuem comandos específicos para descobrir a moda.
table(dados2$bairro)
Botafogo Copacabana Gávea Grajaú Ipanema Leblon Tijuca
307 346 205 237 281 280 341 names(which.max(table(dados2$bairro)))[1] "Copacabana"qtdbairros = pydados2['bairro'].value_counts()
qtdbairros.idxmax()'Copacabana'qtdbairros.max()346d. Em que bairro se encontra o apartamento mais caro? Qual o valor dos seus outros atributos?
maiscaro = which.max(dados2$preco) #achando o com maior valor
dados2$bairro[maiscaro][1] "Ipanema"dados2[maiscaro, ] #acho que esse é o melhor jeito condominio quartos suites vagas area bairro preco pm2
437 4600 3 1 2 350 Ipanema 13600000 38857.14maiscaro = pydados2.loc[pydados2['preco'].idxmax()]
maiscaro['bairro']'Ipanema'maiscarocondominio 4600
quartos 3
suites 1.0
vagas 2.0
area 350
bairro Ipanema
preco 13600000
pm2 38857.14
Name: 436, dtype: objectE. Em que bairro se encontra o apartamento mais caro por metro quadrado? Qual o valor dos seus outros atributos?
#basicamente repetir o comando anterior, sugiro apagar a coluna pm2 e colocar os alunos para calcular o preço por m2 por eles mesmos.
maiscaro2 = which.max(dados2$pm2) #achando o com maior valor
dados2$bairro[maiscaro2][1] "Copacabana"dados2[maiscaro2, ] condominio quartos suites vagas area bairro preco pm2
1532 1415 3 1 1 150 Copacabana 11500000 76666.67maiscaro2 = pydados2.loc[pydados2['pm2'].idxmax()]
maiscaro2['bairro']'Copacabana'maiscarocondominio 4600
quartos 3
suites 1.0
vagas 2.0
area 350
bairro Ipanema
preco 13600000
pm2 38857.14
Name: 436, dtype: objectf. Qual o valor dos atributos que melhor representa um apartamento por bairro? Justifique. Em estatística, para determinar qual dado representa melhor um grupo de dados, utilizamos medidas de tendência central como média, moda ou mediana.
#Essa é um pouco "tricky", para ficar pequeno vou usar o comando for para repetir.
#Além disso vou criar uma variável c com o nome das colunas. A princípio eu fiz boxplot para todas as variáveis mas não ficou legal, então vou usar moda para algumas e o boxplot com a média para as outras.
#Também usei o ggplot2 para deixar o gráfico mais bonito.
library(ggplot2)Warning: package 'ggplot2' was built under R version 4.3.3#c = names(dados2)[sapply(dados2, is.numeric)] todas as variáveis, mas não ficou legal.
c = c("condominio", "area", "preco", "pm2") #somente as variáveis que ficaram boas
for (var in c) {
p <- ggplot(dados2, aes_string(x = "bairro", y = var, fill = "bairro")) +
geom_boxplot() +
stat_summary(fun = mean, geom = "point", shape = 20, size = 3, color = "white") + # Adiciona a média como um ponto branco
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
labs(title = paste("Boxplot de", var, "por Bairro com Média"),
x = "Bairro",
y = var)
print(p)
}Warning: `aes_string()` was deprecated in ggplot2 3.0.0.
ℹ Please use tidy evaluation idioms with `aes()`.
ℹ See also `vignette("ggplot2-in-packages")` for more information.
#agora vou puxar a frequência de quartos, suites e vagas para descobrir as modas e as médias por bairro. Não ficou muito estético mas foi a melhor ideia q eu tive.
bairros <- unique(dados2$bairro)
resultadofinal = list()
for(bairro in bairros) {
dados_bairro = dados2[dados2$bairro == bairro, ]
freq_quartos = table(dados_bairro$quartos)
freq_suites = table(dados_bairro$suites)
freq_vagas = table(dados_bairro$vagas)
dadofrebairro = data.frame("1" = c(freq_quartos["1"], freq_suites["1"], freq_vagas["1"]),
"2" = c(freq_quartos["2"], freq_suites["2"], freq_vagas["2"]),
"3" = c(freq_quartos["3"], freq_suites["3"], freq_vagas["3"]),
row.names = c("quartos", "suites", "vagas"))
dadofrebairro[is.na(dadofrebairro)] <- 0 #neeessário para excluir os nas
dadofrebairro$media <- rowMeans(dadofrebairro) #adicionadno a média como última coluna
resultadofinal[[bairro]] <- dadofrebairro
}
resultadofinal$Botafogo
X1 X2 X3 media
quartos 83 108 116 102.3333
suites 269 13 9 97.0000
vagas 254 48 2 101.3333
$Copacabana
X1 X2 X3 media
quartos 102 107 137 115.3333
suites 285 32 3 106.6667
vagas 312 25 0 112.3333
$Gávea
X1 X2 X3 media
quartos 57 79 69 68.33333
suites 173 16 2 63.66667
vagas 161 41 1 67.66667
$Grajaú
X1 X2 X3 media
quartos 57 100 80 79.00000
suites 216 7 0 74.33333
vagas 194 34 2 76.66667
$Ipanema
X1 X2 X3 media
quartos 72 86 123 93.66667
suites 228 31 15 91.33333
vagas 224 49 3 92.00000
$Leblon
X1 X2 X3 media
quartos 63 96 121 93.33333
suites 237 23 5 88.33333
vagas 211 46 5 87.33333
$Tijuca
X1 X2 X3 media
quartos 83 130 128 113.6667
suites 296 13 0 103.0000
vagas 289 49 1 113.0000Esse eu não sei fazer em python. Vou ficar devendo hahaha.
g. Qual a variação de preços por bairro?
#eu até acho que tem o var aí funcionaria, mas eu preferi criar um dataframe.
precomaximo = aggregate(preco ~ bairro, data = dados2, max)
precominimo = aggregate(preco ~ bairro, data = dados2, min)
names(precomaximo)[2] = "MaxPreco"
names(precominimo)[2] = "MinPreco"
precovar <- merge(precomaximo, precominimo, by = "bairro")
precovar$Variacao = precovar$MaxPreco - precovar$MinPreco
print(precovar) bairro MaxPreco MinPreco Variacao
1 Botafogo 4199000 130000 4069000
2 Copacabana 11500000 239000 11261000
3 Gávea 5100000 470000 4630000
4 Grajaú 900000 159000 741000
5 Ipanema 13600000 499000 13101000
6 Leblon 10500000 230000 10270000
7 Tijuca 1600000 205000 1395000Em python agora:
#lembre-se de verificar o import pandas as pd
precomaximo = pydados2.groupby('bairro')['preco'].max().reset_index(name='MaxPreco')
precominimo = pydados2.groupby('bairro')['preco'].min().reset_index(name='MinPreco')
precovar = pd.merge(precomaximo, precominimo, on='bairro')
precovar['Variacao'] = precovar['MaxPreco'] - precovar['MinPreco']
print(precovar) bairro MaxPreco MinPreco Variacao
0 Botafogo 4199000 130000 4069000
1 Copacabana 11500000 239000 11261000
2 Grajaú 900000 159000 741000
3 Gávea 5100000 470000 4630000
4 Ipanema 13600000 499000 13101000
5 Leblon 10500000 230000 10270000
6 Tijuca 1600000 205000 13950004. Dada os boxplots abaixo sobre a performance de três modelos para determinada tarefa, qual deles você escolheria como melhor? Justifique.
O modelo 1 é o menos desejável, porquanto tem a menor mediana e os outliers superiores indicam pouca consistência.
O modelo 2