Semana 17- Projeto final -sayonara

README.md

@@ -1,104 +1,104 @@
-<h1 align="center">
-  <img src="assets/reprograma-fundos-claros.png" alt="logo reprograma" width="500">
-</h1>
-
-# Tema da Aula
-
-Turma Online 34 | Python | Semanas 17 e 18 | 2024 | [Daniele Junior](https://travatech.com.br?router=danijr)
-
-### Instruções
-Antes de começar, vamos organizar nosso setup.
-* Fork esse repositório 
-* Clone o fork na sua máquina (Para isso basta abrir o seu terminal e digitar `git clone url-do-seu-repositorio-forkado`)
-* Entre na pasta do seu repositório (Para isso basta abrir o seu terminal e digitar `cd nome-do-seu-repositorio-forkado`)
-* [Add outras instruções caso necessário]
-
-### Resumo
-O que veremos na aula de hoje?
-* [Slide Semana 17](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)
-* Slide Semana 18
-
-* [Escolhendo uma fonte de dados](#Escolhendoumafontededados)
-* Análise exploratória
-* Criando uma história com dados
-
-## Conteúdo
-
-### O que é um projeto de análise de dados?
-Nesse ponto vocês já aprenderam que ter dados não é a mesma coisa que ter informação.
-**Dados:** são elementos brutos e não processados, como números, palavras, ou símbolos que precisam ser interpretados para se tornarem úteis. 
-**Informação:** é o resultado do processamento, organização e interpretação dos dados, fornecendo significado e contexto para tomar decisões ou entender situações. 
-Assim, dados são a matéria-prima da informação, que é o produto final após análise e interpretação dos dados.
-
-Por isso a importância de nós contarmos uma história estruturada a partir dos dados que conseguimos coletar. E é exatamente sobre isso, que se trata um projeto de análise de dados: **gerar informação útil a partir da construção de uma perspectiva contextualizada!**
-
-Então aqui vão algumas perguntas gerais que devemos nos fazer ao iniciar um projeto como esse:
-
-- **Conteúdo**
-  - O que eu quero informar?
-- **Público**
-  - Para quem eu estou contanto essa história? Com quem vou compartilhar essa informação?
-- **Transformação**
-  - Por que essa informação é relevante?
-
-Ok, as perguntas são importantes, 
-
-MAS POR ONDE COMEÇAR?!
-
-### Escolhendo uma fonte de dados
-
-#### O caminho comum
-Se você já fez algum tipo de pesquisa acadêmica (TCC, Iniciação Científica, etc) você certamente está familiarizado com esse processo, pois tudo começa com a escolha de um TEMA, seguindo para a definição do PROBLEMA, que em seguida é desdobrado em PERGUNTAS, que irão guiar a COLETA DE DADOS.
-
-1. Delimitação do Tema
-2. Definição do Problema
-3. Desenvolvimento de Perguntas
-4. Coleta de Dados
-
-#### O caminho que iremos seguir
-Porque esse projeto é um exercício e encontrar os dados ideais para responder às nossas perguntas pode se tornar um trabalho extremamente complexo...
-
-Nós iremos fazer um caminho um pouco diferente e a partir de um tema de interesse, escolher uma base e então pensar quais perguntas podem ser respondidas a partir dela.
-
-O QUE TAMBÉM É SUPER VÁLIDO! E PODE RENDER DESCOBERTAS INCRÍVEIS!
-
-  * **Escolha do tema**
-
-    No primeiro momento você deve escolher qual assunto gostaria de abordar. Pense em um tema atual, relevante e até onde você vai aprofundar a análise. Lembre-se, não adianta abraçar o mundo sozinho, você precisa focar e entregar o melhor resultado possível, então trabalhe na delimitação do Tema! Quais são os recortes possíveis dentro do universo escolhido?
-
-    #Dica: Dê prioridade para algo que você goste, se interesse, tenha afinidade ou conhecimento na área.
-
-  * **Escolha da Base de Dados**
-
-    [Algumas opções de Bases de Dados](#base-de-dados)
-
-* **Definindo nossas perguntas**
-
-  O que eu quero tentar responder? VAMOS AO [BRAINSTORM](#material-da-aula)!
-
-***
-
-### Material da aula 
-
-* [Slides](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)
-
-### Links Úteis
-- [Documentação Pandas](https://pandas.pydata.org/docs/user_guide/index.html#user-guide)
-- [Introdução ao Pandas](https://medium.com/tech-grupozap/introdu%C3%A7%C3%A3o-a-biblioteca-pandas-89fa8ed4fa38)
-- [Análise Exploratória de Dados I](https://escoladedados.org/tutoriais/analise-exploratoria-de-dados/)
-- [Análise Exploratória de Dados II](https://www.alura.com.br/artigos/analise-exploratoria)
-- [Storytelling com Dados](https://medium.com/resumos-resenhas/storytelling-com-dados-resumo-fd63ebe4f704)
-- [Markdown Cheastsheet](https://www.ibm.com/docs/en/watson-studio-local/1.2.3?topic=notebooks-markdown-jupyter-cheatsheet)
-
-  #### Base de Dados
-- [Kaggle](https://www.kaggle.com/datasets)
-- [IBGE](https://ces.ibge.gov.br/base-de-dados/links-base-de-dados.html)
-- [Brasil.io](https://brasil.io/datasets/)
-- [Gov.br](https://dados.gov.br/dados/conjuntos-dados)
-- [Nosso Mundo em Dados](https://ourworldindata.org/charts)
-
-<p align="center">
-Desenvolvido com :purple_heart:  
-</p>
-
-
+<h1 align="center">
+  <img src="assets/reprograma-fundos-claros.png" alt="logo reprograma" width="500">
+</h1>
+
+# Tema da Aula
+
+Turma Online 34 | Python | Semanas 17 e 18 | 2024 | [Daniele Junior](https://travatech.com.br?router=danijr)
+
+### Instruções
+Antes de começar, vamos organizar nosso setup.
+* Fork esse repositório 
+* Clone o fork na sua máquina (Para isso basta abrir o seu terminal e digitar `git clone url-do-seu-repositorio-forkado`)
+* Entre na pasta do seu repositório (Para isso basta abrir o seu terminal e digitar `cd nome-do-seu-repositorio-forkado`)
+* [Add outras instruções caso necessário]
+
+### Resumo
+O que veremos na aula de hoje?
+* [Slide Semana 17](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)
+* Slide Semana 18
+
+* [Escolhendo uma fonte de dados](#Escolhendoumafontededados)
+* Análise exploratória
+* Criando uma história com dados
+
+## Conteúdo
+
+### O que é um projeto de análise de dados?
+Nesse ponto vocês já aprenderam que ter dados não é a mesma coisa que ter informação.
+**Dados:** são elementos brutos e não processados, como números, palavras, ou símbolos que precisam ser interpretados para se tornarem úteis. 
+**Informação:** é o resultado do processamento, organização e interpretação dos dados, fornecendo significado e contexto para tomar decisões ou entender situações. 
+Assim, dados são a matéria-prima da informação, que é o produto final após análise e interpretação dos dados.
+
+Por isso a importância de nós contarmos uma história estruturada a partir dos dados que conseguimos coletar. E é exatamente sobre isso, que se trata um projeto de análise de dados: **gerar informação útil a partir da construção de uma perspectiva contextualizada!**
+
+Então aqui vão algumas perguntas gerais que devemos nos fazer ao iniciar um projeto como esse:
+
+- **Conteúdo**
+  - O que eu quero informar?
+- **Público**
+  - Para quem eu estou contanto essa história? Com quem vou compartilhar essa informação?
+- **Transformação**
+  - Por que essa informação é relevante?
+    
+Ok, as perguntas são importantes, 
+
+MAS POR ONDE COMEÇAR?!
+
+### Escolhendo uma fonte de dados
+
+#### O caminho comum
+Se você já fez algum tipo de pesquisa acadêmica (TCC, Iniciação Científica, etc) você certamente está familiarizado com esse processo, pois tudo começa com a escolha de um TEMA, seguindo para a definição do PROBLEMA, que em seguida é desdobrado em PERGUNTAS, que irão guiar a COLETA DE DADOS.
+
+1. Delimitação do Tema
+2. Definição do Problema
+3. Desenvolvimento de Perguntas
+4. Coleta de Dados
+
+#### O caminho que iremos seguir
+Porque esse projeto é um exercício e encontrar os dados ideais para responder às nossas perguntas pode se tornar um trabalho extremamente complexo...
+
+Nós iremos fazer um caminho um pouco diferente e a partir de um tema de interesse, escolher uma base e então pensar quais perguntas podem ser respondidas a partir dela.
+
+O QUE TAMBÉM É SUPER VÁLIDO! E PODE RENDER DESCOBERTAS INCRÍVEIS!
+
+  * **Escolha do tema**
+
+    No primeiro momento você deve escolher qual assunto gostaria de abordar. Pense em um tema atual, relevante e até onde você vai aprofundar a análise. Lembre-se, não adianta abraçar o mundo sozinho, você precisa focar e entregar o melhor resultado possível, então trabalhe na delimitação do Tema! Quais são os recortes possíveis dentro do universo escolhido?
+
+    #Dica: Dê prioridade para algo que você goste, se interesse, tenha afinidade ou conhecimento na área.
+
+  * **Escolha da Base de Dados**
+    
+    [Algumas opções de Bases de Dados](#base-de-dados)
+
+* **Definindo nossas perguntas**
+  
+  O que eu quero tentar responder? VAMOS AO [BRAINSTORM](#material-da-aula)!
+
+***
+
+### Material da aula 
+
+* [Slides](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)
+
+### Links Úteis
+- [Documentação Pandas](https://pandas.pydata.org/docs/user_guide/index.html#user-guide)
+- [Introdução ao Pandas](https://medium.com/tech-grupozap/introdu%C3%A7%C3%A3o-a-biblioteca-pandas-89fa8ed4fa38)
+- [Análise Exploratória de Dados I](https://escoladedados.org/tutoriais/analise-exploratoria-de-dados/)
+- [Análise Exploratória de Dados II](https://www.alura.com.br/artigos/analise-exploratoria)
+- [Storytelling com Dados](https://medium.com/resumos-resenhas/storytelling-com-dados-resumo-fd63ebe4f704)
+- [Markdown Cheastsheet](https://www.ibm.com/docs/en/watson-studio-local/1.2.3?topic=notebooks-markdown-jupyter-cheatsheet)
+
+  #### Base de Dados
+- [Kaggle](https://www.kaggle.com/datasets)
+- [IBGE](https://ces.ibge.gov.br/base-de-dados/links-base-de-dados.html)
+- [Brasil.io](https://brasil.io/datasets/)
+- [Gov.br](https://dados.gov.br/dados/conjuntos-dados)
+- [Nosso Mundo em Dados](https://ourworldindata.org/charts)
+
+<p align="center">
+Desenvolvido com :purple_heart:  
+</p>
+
+

Relatório de Doação (Rio Grande do Norte) - Evolução 2001 - 2023 - Table 1 (2).csv

@@ -0,0 +1,12 @@
+Ano,Potencial Doador,Potencial Doador (PMP),Doador Efetivo,Doador Efetivo (PMP),Percentual de Efetivação,Entrevista Familiar,Negativa Familiar,Negativa Familiar (%)
+2013,177,"55,9",44,"13,9","24,9%",279,146,"52,3%"
+2014,175,"55,2",44,"13,9","25,1%",233,105,"45,1%"
+2015,157,"46,1",36,"10,6","22,9%",144,79,"54,9%"
+2016,152,"44,2",39,"11,3","25,7%",97,53,"54,6%"
+2017,173,"49,8",47,"13,5","27,2%",124,66,"53,2%"
+2018,159,"45,3",32,"9,1","20,1%",101,71,"70,3%"
+2019,217,"62,4",52,"14,9","24,0%",126,71,"56,3%"
+2020,188,"53,6",24,"6,8","12,8%",100,64,"64,0%"
+2021,207,"58,6",19,"5,4","9,2%",107,67,"62,6%"
+2022,231,"64,9",36,"10,1","15,6%",131,88,"67,2%"
+2023,223,"67,5",32,"9,7","14,3%",134,89,"66,4%"

Relatório de Transplantes Realizados (Rio Grande do Norte) - Evolução 2001 - 2023 - Table 1 (1).csv

@@ -0,0 +1,12 @@
+Ano,Coração,Fígado,Figado vivo,Figado falecido,Pancreas,Pulmão,Pulmão vivo,Pulmão falecido,Rim,Rim vivo,Rim falecido,Pancreas rim,Intestino Isolado,Multivisceral,Total Orgãos,Córnea,Médula óssea,MO Autólogo,Mo Aparentado,Mo Nap,Total Geral
+2013,0,3,0,3,0,0,0,0,60,5,55,0,0,0,63,181,50,21,20,9,294
+2014,2,2,0,2,0,0,0,0,66,7,59,0,0,0,70,141,60,31,17,12,271
+2015,0,0,0,0,0,0,0,0,67,7,60,0,0,0,67,131,39,20,10,9,237
+2016,0,0,0,0,0,0,0,0,67,11,56,0,0,0,67,104,57,24,17,16,228
+2017,0,0,0,0,0,0,0,0,60,12,48,0,0,0,60,177,1,1,0,0,238
+2018,0,0,0,0,0,0,0,0,45,6,39,0,0,0,45,166,59,42,9,8,270
+2019,0,0,0,0,0,0,0,0,76,9,67,0,0,0,76,140,71,49,14,8,287
+2020,0,0,0,0,0,0,0,0,48,7,41,0,0,0,48,92,91,63,21,7,231
+2021,0,0,0,0,0,0,0,0,18,3,15,0,0,0,18,97,71,40,23,8,186
+2022,2,0,0,0,0,0,0,0,48,9,39,0,0,0,50,135,52,27,15,10,237
+2023,4,0,0,0,0,0,0,0,53,7,46,0,0,0,57,159,87,62,18,7,303

dados.csv

@@ -0,0 +1,12 @@
+Ano,Potencial Doador,Potencial Doador (PMP),Doador Efetivo,Doador Efetivo (PMP),Percentual de Efetivação,Entrevista Familiar,Negativa Familiar,Negativa Familiar (%),Coração_x,Fígado_x,Figado vivo,Figado falecido,Pancreas,Pulmão_x,Pulmão vivo,Pulmão falecido,Rim_x,Rim vivo,Rim falecido,Pancreas rim,Intestino Isolado,Multivisceral_x,Total Orgãos,Córnea_x,Médula óssea,MO Autólogo,Mo Aparentado,Mo Nap,Total Geral,Coração_y,Fígado_y,Pulmão_y,Rim_y,Pâncreas,Pâncreas Rim,Intestino,Multivisceral_y,SubTotal,Córnea_y,Total
+2013,177,"55,9",44,"13,9","24,9%",279,146,"52,3%",0,3,0,3,0,0,0,0,60,5,55,0,0,0,63,181,50,21,20,9,294,0,5,0,61,0,0,0,0,66,73,139
+2014,175,"55,2",44,"13,9","25,1%",233,105,"45,1%",2,2,0,2,0,0,0,0,66,7,59,0,0,0,70,141,60,31,17,12,271,0,0,0,153,0,0,0,0,153,55,208
+2015,157,"46,1",36,"10,6","22,9%",144,79,"54,9%",0,0,0,0,0,0,0,0,67,7,60,0,0,0,67,131,39,20,10,9,237,0,0,0,180,0,0,0,0,180,66,246
+2016,152,"44,2",39,"11,3","25,7%",97,53,"54,6%",0,0,0,0,0,0,0,0,67,11,56,0,0,0,67,104,57,24,17,16,228,0,0,0,162,0,0,0,0,162,149,311
+2017,173,"49,8",47,"13,5","27,2%",124,66,"53,2%",0,0,0,0,0,0,0,0,60,12,48,0,0,0,60,177,1,1,0,0,238,0,0,0,165,0,0,0,0,165,180,345
+2018,159,"45,3",32,"9,1","20,1%",101,71,"70,3%",0,0,0,0,0,0,0,0,45,6,39,0,0,0,45,166,59,42,9,8,270,0,0,0,299,0,0,0,0,299,201,500
+2019,217,"62,4",52,"14,9","24,0%",126,71,"56,3%",0,0,0,0,0,0,0,0,76,9,67,0,0,0,76,140,71,49,14,8,287,0,0,0,306,0,0,0,0,306,296,602
+2020,188,"53,6",24,"6,8","12,8%",100,64,"64,0%",0,0,0,0,0,0,0,0,48,7,41,0,0,0,48,92,91,63,21,7,231,0,0,0,278,0,0,0,0,278,378,656
+2021,207,"58,6",19,"5,4","9,2%",107,67,"62,6%",0,0,0,0,0,0,0,0,18,3,15,0,0,0,18,97,71,40,23,8,186,1,0,0,301,0,0,0,0,302,479,781
+2022,231,"64,9",36,"10,1","15,6%",131,88,"67,2%",2,0,0,0,0,0,0,0,48,9,39,0,0,0,50,135,52,27,15,10,237,3,0,0,307,0,0,0,0,310,541,851
+2023,223,"67,5",32,"9,7","14,3%",134,89,"66,4%",4,0,0,0,0,0,0,0,53,7,46,0,0,0,57,159,87,62,18,7,303,1,0,0,330,0,0,0,0,331,584,915

dataset.csv

@@ -0,0 +1,12 @@
+Ano,Coração,Fígado,Pulmão,Rim,Pâncreas,Pâncreas Rim,Intestino,Multivisceral,SubTotal,Córnea,Total
+2013,0,5,0,61,0,0,0,0,66,73,139
+2014,0,0,0,153,0,0,0,0,153,55,208
+2015,0,0,0,180,0,0,0,0,180,66,246
+2016,0,0,0,162,0,0,0,0,162,149,311
+2017,0,0,0,165,0,0,0,0,165,180,345
+2018,0,0,0,299,0,0,0,0,299,201,500
+2019,0,0,0,306,0,0,0,0,306,296,602
+2020,0,0,0,278,0,0,0,0,278,378,656
+2021,1,0,0,301,0,0,0,0,302,479,781
+2022,3,0,0,307,0,0,0,0,310,541,851
+2023,1,0,0,330,0,0,0,0,331,584,915

material/analise-exploratoria/analise.ipynb

@@ -1,22 +1,22 @@
-{
- "cells": [
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "#Utilizar as bibliotecas de Python aprendidas em aula (pandas, matplotlib, seaborn, etc);\n",
-    "#Trazer um notebook estruturado e organizado com o uso de Markdown. O uso de textos no notebook é altamente incentivado);\n",
-    "#Mínimo de 3 visualizações que ajudem a sumarizar os resultados da sua análise."
-   ]
-  }
- ],
- "metadata": {
-  "language_info": {
-   "name": "python"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "#Utilizar as bibliotecas de Python aprendidas em aula (pandas, matplotlib, seaborn, etc);\n",
+    "#Trazer um notebook estruturado e organizado com o uso de Markdown. O uso de textos no notebook é altamente incentivado);\n",
+    "#Mínimo de 3 visualizações que ajudem a sumarizar os resultados da sua análise."
+   ]
+  }
+ ],
+ "metadata": {
+  "language_info": {
+   "name": "python"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

material/nome-projeto.md

@@ -1,12 +1,12 @@
-## Contexto 
-Esse projeto consiste na análise de xxxxxx. O objetivo desse projeto é xxxxxxxxx.
-Para desenvolver esse projeto, desenvolvemos uma análise exploratória de dados xxxxxxx e utilizamos o Tableau para gerar a visualização das nossas análises.
-
-### Objetivos gerais e específicos do projeto 
-
-### Bases escolhidas
-
-- Base 1 (fonte)
-- Base 2 (fonte)
-
+## Contexto 
+Esse projeto consiste na análise de xxxxxx. O objetivo desse projeto é xxxxxxxxx.
+Para desenvolver esse projeto, desenvolvemos uma análise exploratória de dados xxxxxxx e utilizamos o Tableau para gerar a visualização das nossas análises.
+
+### Objetivos gerais e específicos do projeto 
+
+### Bases escolhidas
+
+- Base 1 (fonte)
+- Base 2 (fonte)
+
 ## Ferramentas utilizadas