.. [Análise de Dados] Módulo 4 - Decisões inteligentes: Transformando dados em ação aula 2

Key Concepts:

• Padrões e tendências em conjuntos de dados
• Crescimento, queda e sazonalidade de dados
• Análise de padrões para tomada de decisões
• Linguagem de programação Python e suas bibliotecas para geração de gráficos
• Bibliotecas Python: matplotlib.pyplot (abreviado como plt)
• Gráficos de dispersão (scatter plots) e gráficos de barras (bar plots)
• Sintaxe da linguagem Python (uso de colchetes para listas, vírgulas para separar valores)
• Comentários em Python (usando #)
• VS Code (Visual Studio Code) como editor de código
• Arquivos CSV (Comma Separated Values)
• Eixos X e Y em gráficos (rótulos e títulos)
• Causalidade entre dados

1. Objetivo da Aula: Identificação de Padrões nos Dados

• O objetivo principal é entender o conceito de padrões e tendências em conjuntos de dados.
• Identificar padrões de crescimento, queda ou sazonalidade. Exemplo: Vendas de arroz caindo ao longo dos meses (queda), vendas de chocolate na Páscoa (sazonalidade).
• Aplicar a análise de padrões na tomada de decisões estratégicas.

2. Descobrindo Padrões nos Dados

• Reflexão sobre como os dados podem revelar informações importantes.
• Questão central: Como identificar padrões que ajudam a tomar decisões estratégicas?

3. Utilização do Python para Análise de Dados

• O Python é uma linguagem de programação com bibliotecas específicas para geração de gráficos.
• Capacidade de criar gráficos de colunas, pizza, barra, etc.
• O Python tem um viés estatístico, sendo ideal para trabalhar com análise de dados.
• Integração com bancos de dados (Oracle, MySQL, SQL Server), planilhas do Google e arquivos CSV.
• Exemplo: Análise de dados de produtos eletrônicos (televisão, notebook, fone de ouvido) a partir de um arquivo CSV.

4. Demonstração Prática no VS Code com Python

• Apresentação do VS Code como um editor de texto completo para programação.
• O VS Code é amplamente utilizado no mercado de trabalho por desenvolvedores de software.
• Exemplo de código Python com 15 linhas para gerar um gráfico.
• Explicação da estrutura de pastas e arquivos no VS Code.
• Utilização do terminal para executar o código Python (python teste.py).

5. Análise do Código Python

• Criação de dois conjuntos de dados: alturas (em centímetros) e pesos (em quilogramas).
• Os dados são definidos diretamente no código Python para fins de demonstração.
• Explicação da sintaxe do Python para criar listas (uso de colchetes e vírgulas).
• Uso de comentários no código com o símbolo # para adicionar anotações.
• Exemplo de dados de alturas: [150, 160, 170, 175, 180, 185] (em centímetros).
• Exemplo de dados de pesos: [50, 60, 65, 70, 75, 80, 85] (em quilogramas).

6. Identificação de Padrões nos Dados de Altura e Peso

• Padrão identificado: As alturas estão em ordem crescente (do menor para o maior).
• Associação entre altura e peso: Existe uma relação de causalidade, onde o peso aumenta conforme a altura aumenta.
• Exemplo: Uma pessoa com 1,50 m pesa 50 kg, enquanto uma pessoa com 1,85 m pesa 85 kg.
• Possibilidade de identificar valores fora do padrão (outliers).

7. Geração de Gráfico de Dispersão (Scatter Plot)

• Utilização da biblioteca matplotlib.pyplot (abreviada como plt) para criar o gráfico.
• Código para criar o gráfico de dispersão:
  • plt.scatter(alturas, pesos): Plota os dados de altura e peso.
  • plt.xlabel("Altura em centímetros"): Define o rótulo do eixo X.
  • plt.ylabel("Peso (KG)"): Define o rótulo do eixo Y.
  • plt.title("Relação entre altura e peso"): Define o título do gráfico.
  • plt.show(): Exibe o gráfico.
• Demonstração de como alterar os rótulos e o título do gráfico.

8. Modificação dos Dados e Visualização do Impacto no Gráfico

• Alteração do peso do último indivíduo de 85 kg para 80 kg.
• Visualização do impacto no gráfico, onde o ponto correspondente se move para baixo.
• Demonstração de como o gráfico reflete as mudanças nos dados.

9. Geração de Gráfico de Barras (Bar Plot)

• Alteração do tipo de gráfico de dispersão para gráfico de barras.
• Substituição de plt.scatter por plt.bar no código Python.
• Visualização do gráfico de barras resultante, mostrando as alturas e pesos como barras.

10. Salvando e Compartilhando o Gráfico

• Possibilidade de salvar o gráfico como imagem ou imprimi-lo.
• Utilização de ferramentas de captura de tela para copiar o gráfico e compartilhá-lo em aplicativos como o WhatsApp.

11. Próximos Passos

• O próximo vídeo abordará como analisar gráficos e extrair insights significativos dos dados.

12. Conclusão

• A aula demonstra como identificar padrões em conjuntos de dados usando Python e suas bibliotecas de visualização.
• A análise de padrões é crucial para a tomada de decisões estratégicas.
• O Python oferece ferramentas poderosas para trabalhar com dados e gerar gráficos de forma eficiente.