projeto-fea-dev/main at master · joaovae/projeto-fea-dev · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
import pandas as pd
import matplotlib.pyplot as plt

#criando o dataframe
arquivo = r'C:\Users\JOAO VICTOR\Desktop\pesquisa-FEAdev.csv'
df = pd.read_csv(arquivo)
df = df.drop(columns = ['Carimbo de data/hora'])
df = df.drop([41], axis=0)
cleandate = []

#limpando e dividindo as faixas etárias
for i in df['Idade']:
    i.strip()
    i = int(i[0:2])
    cleandate.append(i)

df['Idade'] = cleandate

sub18 = []
sub25 = []
sub35 = []
acima45 = []


for i in cleandate:
    if i <= 18:
        sub18.append(i)
    if 19 <= i <= 25:
        sub25.append(i)
    if 26 <= i <= 35:
        sub35.append(i)
    if 36 <= i <= 45:
        acima45.append(i)

#limpando os cursos
cursos = []

df['Curso'] = df.Curso.fillna('nenhum')
for i in df['Curso']:
    t = i.lower()
    cursos.append(t.split())

for i in cursos:
    if i[0] == 'engenharia':
        del(i[1::])
    elif len(i) == 2:
        del(i[0])

def cleaning (a, b, c):
    for i in a:
        if i[0] == b:
            i[0] = c


def cleaning2 (a, b):
    for i in a:
        if i[0] == b:
            del(i[1::])

cleaning(cursos, 'econômicas', 'economia')
cleaning(cursos, 'adm', 'administração')
cleaning(cursos, 'atuaria', 'atuária')
cleaning(cursos, 'atuariais', 'atuária')
cleaning(cursos, 'farmacia', 'farmácia')
cleaning(cursos, 'pedagoga', 'pedagogia')
cleaning(cursos, 'contábeis', 'contabilidade')

cleaning2(cursos, 'arquitetura')
cleaning2(cursos, 'publicidade')

cursos = pd.Series(cursos)

df['Curso'] = cursos

df.columns = ['idade', 'genero', 'estudante', 'escolaridade', 'curso','instituicao', 'profissao', 'nível', 'investiu','renda', 'pretende', 'poupanca', 'conhece', 'tipo']

#tentativa de moldar os dados para fazer as relações e análises (a partir daqui é bagunça)
def relacao(a, b):
    c = pd.DataFrame(df[a])
    c[b] = df[b]
    return c

df.loc[df['genero']=='Feminino','genero'] = 0
df.loc[df['genero']=='Masculino','genero'] = 1
df.loc[df['genero']=='Outros','genero'] = 2


df.loc[df['investiu']=='NÃO','investiu'] = 0
df.loc[df['investiu']=='SIM','investiu'] = 1

df_vji_g = relacao('investiu', 'genero')
df_vji_esc = relacao('investiu', 'escolaridade')
df_vpp_vji = relacao('poupanca', 'investiu')
df_vpp_esc = relacao('poupanca','escolaridade')
df_lvl_tip = relacao('nível','tipo')
df_nce_esc = relacao('conhece','escolaridade')
df_tip_vji = relacao ('tipo','investiu')
df_tip_esc = relacao('tipo','escolaridade')

"""

df.loc[df['genero']=='Feminino','genero'] = 0
df.loc[df['genero']=='Masculino','genero'] = 1

df.loc[df['investiu']=='NÃO','investiu'] = 0
df.loc[df['investiu']=='SIM','investiu'] = 1

a = df['genero']
b = df['investiu']
plt.pie(a,b)
plt.show()

a = df['genero']
b = df['investiu']

plt.pie(a, b)
plt.show()


xx = 0
xy = 0
vji = 0
for i in df:
    if df['investiu'] == 1 and df['genero'] == 1:
        xy = xy+1
"""
df_vji_g.plot()
a = df['investiu'] == 1

#df_vji_g['investiu'].value_counts()
vji = 0
dict1 = {'investiu':'' , 'genero':''}
for i in df_vji_g['investiu']:
    if i == 1: