Limpeza de Dados da DataClean

Faaala Dev,

Chegou a hora de colocar em prática tudo o que aprendemos sobre tratamento de dados 🧹📊

Neste desafio, você vai atuar como analista de dados da empresa fictícia DataClean Co., responsável por garantir que os conjuntos de dados usados nas análises sejam confiáveis, limpos e prontos para gerar insights de qualidade.

O time de negócios enviou um arquivo com informações de clientes, produtos e vendas, mas o conjunto contém valores ausentes, duplicatas, outliers e inconsistências — e sua missão é deixá-lo pronto para futuras análises!

Como todo bom desafio, talvez você precise explorar alguns conceitos novos ou revisar conteúdos vistos nas aulas. Então lembre-se: pesquise, teste e explore. Isso faz parte do processo! 💪

Tenha paciência e acredite no seu progresso. O aprendizado adquirido aqui será essencial na sua jornada como analista de dados 🚀

---

Sobre o desafio

A empresa fictícia DataClean Co. te enviou o arquivo dados_clientes.csv, contendo o histórico de clientes e suas compras.

Sua missão é aplicar as principais técnicas de tratamento de dados vistas no módulo, deixando o dataset pronto para uma análise exploratória e visualizações posteriores.

---

Regras da aplicação

Você deverá:

• Carregar os dados a partir do arquivo dados_clientes.csv.
• Exibir informações básicas:
  • Mostrar as 5 primeiras linhas.
  • Exibir o número total de registros e colunas.
  • Identificar os tipos de dados de cada coluna.
• Tratar dados ausentes:
  • Identificar colunas com valores nulos.
  • Substituir, remover ou preencher valores ausentes de forma adequada.
• Detectar e tratar duplicatas:
  • Verificar se há registros duplicados.
  • Remover duplicatas mantendo os dados mais relevantes.
• Analisar outliers:
  • Utilizar boxplots e quartis para identificar outliers em colunas numéricas.
  • Decidir se os valores devem ser removidos, substituídos ou mantidos.
• Aplicar normalização e encoding:
  • Normalizar colunas numéricas (por exemplo, preço, idade ou renda).
  • Converter colunas categóricas em variáveis numéricas com encoding.
• Trabalhar com datas:
  • Converter colunas de data para o formato correto.
  • Criar colunas derivadas (ex: ano, mês, dia da semana).

---

Modelo de dados (arquivo dados_clientes.csv)

O arquivo dados_clientes.csv contém informações de clientes, produtos e vendas. As colunas esperadas podem incluir, mas não se limitam a:

• id_cliente (inteiro)
• nome (string)
• idade (inteiro)
• genero (string)
• renda (float)
• produto (string)
• categoria_produto (string)
• valor_gasto (float)
• data_compra (data)
• regiao (string)

---

Como executar

1. Salve o código Python em um arquivo ou Jupiter Notebook (ex: tratamento_dados.py).
2. Certifique-se de que o arquivo dados_clientes.csv esteja no mesmo diretório.
3. Execute o script Python no terminal ou no Colab: python tratamento_dados.py

---

Se quiser se desafiar 💡

• Gerar visualizações:
  • Histograma mostrando a distribuição da renda dos clientes.
  • Boxplot comparando o gasto médio por categoria de produto.
  • Scatterplot mostrando a relação entre idade e valor gasto.
  • Heatmap de correlação entre variáveis numéricas.
• Extra (opcional):
  • Exportar o dataset final limpo para um novo arquivo .csv.
  • Criar um relatório em .xlsx ou .pdf mostrando o antes e depois do tratamento.

---

Entrega

Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.

Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?

É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!

Feito com 💜 por Rocketseat 👋