Projeto Guiado II

exercicios/para-casa/ProjetoGuiadoII/README.md

@@ -0,0 +1,58 @@
+# Projeto Guiado II🏠 
+
+# Introdução
+O projeto realiza uma análise exploratória de um conjunto de dados que detalha os hábitos de leitura de diferentes indivíduos. 
+ O objetivo principal é identificar padrões e tendências relacionadas à quantidade de livros lidos e a idade, contextualizando também outras características como sexo, educação e raça.
+
+ Linguagem utilizada: Python
+    Bibliotecas Utilizadas:
+        pandas: Para manipulação e análise de dados.
+        numpy: Para operações numéricas.
+        matplotlib: Para visualização de dados através de gráficos.
+        seaborn: Para criação de gráficos estatísticos.
+
+***Turma:*** Reprograma On33
+
+**Orientação:** Profa. Stefany Gracy
+
+**Autoras:** Hitawana Araújo e Nathália Pereira
+
+**Dataset utilizado:** Global Mental Health Disorders
+
+**Fonte de dados:** [Kaggle](https://www.kaggle.com/datasets/thedevastator/global-mental-health-disorders)
+
+**Escolha dos dados:** Amantes de leitura, as autoras escolheram o dataset com a curiosidade a respeito dos hábitos de leitura de uma determinada população. Os dados para análise referem-se a informações amostrais de pesquisa com estadunidenses.
+
+O dataset utilizado foi escolhido por conter informações de Gênero, Raça, Idade e Educação, possibilitando uma análise mais completa do perfil dos leitores e relacões sociais de prevalência de determinados grupos. 
+
+
+
+# Funcionalidades Principais:
+
+    Limpeza e preparação de dados.
+    Criação de gráficos para visualização de tendências e padrões.
+    Análise de distribuição por características demográficas.
+
+# Arquivos
+
+Esse projeto inclui:
+
+- *reading_habits.csv:* dataset utilizado para as análises
+- *ETL_ProjetoGuiado.ipynb*: relatório contendo códigos e gráficos sobre dados utilizados para subsidiar a análise.
+- *SQL_ProjetoGuiado.ipynb*: código de criação e edição em sql para consultas que validem o teste de hipótese.
+- *README.md*
+
+# Funções principais:
+
+- age_range: Comparar dois grupos específicos de leitores (jovens e idosos) em relação à leitura de e-books.
+- gender_reader: feita para calcular a média de livros lidos por diferentes gêneros e visualizá-la em um gráfico de barras horizontal.
+- biggest_readers: Identifica aqueles que leram mais livros nos últimos 12 meses e examina a distribuição de suas características como educação.
+- ttest_ind é usada para calcular a estatística t (estatistica_t) e o valor p (valor_p).
+
+
+
+Consulta SQL:
+
+- Contagem: Conta o número de leitores de e-books (coluna Ebook_readers) que responderam "Yes".
+- Filtro por idade: Apenas os leitores com idade acima de 60 anos são incluídos.
+- Execução e impressão: O resultado da consulta é carregado em um DataFrame Readers_60_age e exibido.

exercicios/para-casa/ProjetoGuiadoII/SQL_ProjetoGuiado.ipynb

@@ -0,0 +1,105 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Readers of ebook 50-60 years old\n",
+      "    Ebook readers\n",
+      "0            186\n",
+      "\n",
+      " No Readers of ebook 50-60 years old\n",
+      "    Ebook readers\n",
+      "0            489\n",
+      "Readers of ebook 18-30 years old\n",
+      "    Ebook readers\n",
+      "0            181\n",
+      "\n",
+      "No Readers of ebook 18-30 years old\n",
+      "    Ebook readers\n",
+      "0            402\n"
+     ]
+    }
+   ],
+   "source": [
+    "import pandas as pd\n",
+    "import sqlite3\n",
+    "\n",
+    "#importação dataframe e renomeando colunas\n",
+    "df = pd.read_csv('./reading_habits.csv')\n",
+    "df.rename(columns={'Read any e-books during last 12months?': 'Ebook_readers', 'Age Range': 'Age_Range'}, inplace=True)\n",
+    "\n",
+    "# conexão \n",
+    "conn = sqlite3.connect('reading_habits.db')\n",
+    "\n",
+    "#escrever o df em uma tabela sql\n",
+    "df.to_sql('reading_habits', conn, index=False, if_exists='replace') \n",
+    "\n",
+    "#executar a consulta \n",
+    "query_sql = \"\"\"\n",
+    "SELECT COUNT(Ebook_readers) AS 'Ebook readers'\n",
+    "FROM reading_habits\n",
+    "WHERE Ebook_readers = 'Yes' and Age >= 60\n",
+    "\"\"\"\n",
+    "\n",
+    "query_sql2 = \"\"\"\n",
+    "SELECT COUNT(Ebook_readers) AS 'Ebook readers'\n",
+    "FROM reading_habits\n",
+    "WHERE Ebook_readers = 'No' and Age >= 60\n",
+    "\"\"\"\n",
+    "\n",
+    "query_sql3 = \"\"\"\n",
+    "SELECT COUNT(Ebook_readers) AS 'Ebook readers'\n",
+    "FROM reading_habits\n",
+    "WHERE Ebook_readers = 'Yes' and Age <= 30\n",
+    "\"\"\"\n",
+    "query_sql4 = \"\"\"\n",
+    "SELECT COUNT(Ebook_readers) AS 'Ebook readers'\n",
+    "FROM reading_habits\n",
+    "WHERE Ebook_readers = 'No' and Age <= 30\n",
+    "\"\"\"\n",
+    "\n",
+    "Readers_60_age = pd.read_sql_query(query_sql, conn)\n",
+    "print('Readers of ebook 50-60 years old\\n', Readers_60_age)\n",
+    "\n",
+    "No_Readers_60_age = pd.read_sql_query(query_sql2,  conn)\n",
+    "print('\\n No Readers of ebook 50-60 years old\\n',No_Readers_60_age)\n",
+    "\n",
+    "Readers_20_age = pd.read_sql_query(query_sql3, conn)\n",
+    "print('Readers of ebook 18-30 years old\\n', Readers_20_age)\n",
+    "\n",
+    "No_Readers_20_age = pd.read_sql_query(query_sql4,  conn)\n",
+    "print('\\nNo Readers of ebook 18-30 years old\\n',No_Readers_20_age)\n",
+    "\n",
+    "#fechar a conexão\n",
+    "conn.close()"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.12.4"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}