Sobre os Dados
Este dataset contém 100.000 pedidos de entrega de alimentos simulados, inspirados na plataforma Talabat, abrangendo 7 grandes cidades egípcias. Projetado para tarefas de análise de dados, aprendizado de máquina e otimização logística.
Análise exploratória de 100.000 pedidos simulados de entrega de alimentos em 7 cidades do Egito para fins acadêmicos de ciência de dados, machine learning e otimização logística.
Este dataset contém 100.000 pedidos de entrega de alimentos simulados, inspirados na plataforma Talabat, abrangendo 7 grandes cidades egípcias. Projetado para tarefas de análise de dados, aprendizado de máquina e otimização logística.
Trabalho desenvolvido no Instituto Federal de Rondônia — Campus Ji-Paraná, no âmbito do Curso de Análise e Desenvolvimento de Sistemas (ADS). Dashboard com análises estatísticas descritivas das variáveis qualitativas e quantitativas do dataset.
O gráfico apresenta a frequência de pedidos por tipo de item registrado na variável Item_Name. Observa-se que os itens possuem quantidades bastante próximas entre si, indicando uma distribuição relativamente equilibrada entre os produtos analisados. Entre os itens listados, Shawarma, Pizza e Fried Chicken aparecem com frequências ligeiramente maiores, enquanto Sushi e Salad apresentam valores um pouco menores.
O gráfico mostra a distribuição dos pedidos por cidade, utilizando a variável City. As cidades apresentam frequências próximas, o que sugere que os pedidos estão distribuídos de forma relativamente homogênea entre os centros urbanos do dataset. A cidade de Zagazig aparece com a maior frequência, enquanto Mansoura apresenta a menor quantidade entre as cidades exibidas.
O gráfico apresenta a frequência dos pedidos por nível de tráfego, considerando a variável ordinal Traffic_Level. A categoria Low possui a maior concentração de ocorrências, indicando que grande parte dos pedidos ocorreu em condições de tráfego baixo. Em seguida aparece o nível High, enquanto o nível Medium apresenta a menor frequência entre as três categorias.
O gráfico exibe a distribuição dos pedidos conforme seu status, com base na variável Order_Status. A maior parte dos pedidos está classificada como Delivered, demonstrando que a maioria das entregas foi concluída. As categorias Cancelled e In Transit aparecem com frequências bem menores, indicando menor ocorrência de cancelamentos e pedidos ainda em deslocamento.
O gráfico apresenta a frequência das quantidades de itens por pedido, utilizando a variável Quantity. Os valores de 1 a 5 aparecem com frequências muito semelhantes, indicando que não há uma quantidade dominante de itens por pedido. Ainda assim, a quantidade 2 apresenta uma leve vantagem, enquanto a quantidade 5 aparece discretamente abaixo das demais.
O gráfico de densidade apresenta a distribuição do valor total dos pedidos, representado pela variável Total_Price. A maior concentração de pedidos ocorre em valores mais baixos, principalmente na faixa inicial do eixo horizontal. Conforme o valor total aumenta, a densidade tende a diminuir, indicando que pedidos de maior valor são menos frequentes na base analisada.
O gráfico de densidade mostra a distribuição das distâncias de entrega, em quilômetros, com base na variável Delivery_Distance_km. A maior concentração ocorre aproximadamente entre 1 km e 3 km, com pico próximo de 2 km. Após esse ponto, a densidade diminui gradualmente, indicando que entregas muito longas são menos comuns no dataset.