projeto-fea-dev/main2 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
import pandas as pd
arquivo = r'C:\Users\JOAO VICTOR\Desktop\pesquisa-FEAdev.csv'
df = pd.read_csv(arquivo)
df = df.drop(columns = ['Carimbo de data/hora'])
cleandate = []

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)

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

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', 'poupança', 'conhece', 'tipo']

"""
def relacao(a, b):
    c = pd.DataFrame(df[a])
    c[b] = df[b]
    return c


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