Código Rápido para Análise de Dados #01

Diante da tabela:

| Cidade | Categoria | 2022 | 2023 | 2024 |

|------------|-----------|------|------|------|

| Boa Vista | A | 320 | 250 | 300 |

| Iracema | B | 100 | 50 | 75 |

| Amajari | A | 50 | 300 | 100 |

Qual foi o maior repasse no ano de 2023 entre as cidades da Categoria A?

# Entrada - Python

import pandas as pd
dados = {
        'Cidade': ['Boa Vista', 'Iracema', 'Amajari'],
        'Categoria': ['A', 'B', 'A'],
        '2022': [320, 100, 50],
        '2023': [250, 50, 300],
        '2024': [300, 75, 100]
        }
df = pd.DataFrame(dados, columns=['Cidade','Categoria','2022', '2023','2024'])
print(df.groupby('Categoria')[['2022', '2023','2024']].max().iloc[0,1])

# Saída

300

# Código Comentado

import pandas as pd

# <1> Importa a biblioteca pandas como ‘pd’ para análise de dados tabulares

dados = {
          'Cidade': ['Boa Vista', 'Iracema', 'Amajari'],
          'Categoria': ['A', 'B', 'A'],
          '2022': [320, 100, 50],
          '2023': [250, 50, 300],
          '2024': [300, 75, 100]
          }

# <2> Cria o dicionário ‘dados’ com as chaves ‘cidade’, ‘categoria’, ‘2022’, ‘2023’ e ‘2024’ e seus respectivos valores

df = pd.DataFrame(dados, columns=['Cidade','Categoria','2022', '2023','2024'])

# <3> Cria um DataFrame (tabela) com os dados, especificando a ordem das colunas

print(df.groupby('Categoria')[['2022','2023','2024']].max().iloc[0,1]))

# <4> O groupby('Categoria').max() agrupa por categoria e, para cada grupo, seleciona o maior valor por coluna (por ano):

# Categoria A: Cidades = Boa Vista, Amajari

# 2022: max(320, 50) = 320

# 2023: max(250, 300) = 300

# 2024: max(300, 100) = 300

# Categoria B: Cidades = Iracema

# 2022: 100

# 2023: 50

# 2024: 75

#  * O indexador iloc (de integer location) busca a primeira linha do resultado (0, categoria 'A') e o segundo valor (1, coluna '2023')

# Categoria | 2022 | 2023 | 2024

# A | 320 | 300 |300

# B | 100 | 50 | 75

Fonte: Código extraído de questões de concursos.