Skip to content
Open
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
1,729 changes: 1,729 additions & 0 deletions analise_exploratoria/analise_exploratoria.ipynb

Large diffs are not rendered by default.

Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Binary file added analises_no_tableau/6. 10 maiores incidentes.png
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Binary file added analises_no_tableau/7. Vítimas por idade.png
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Binary file added analises_no_tableau/9. Vítimas por raça.png
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
3 changes: 3 additions & 0 deletions analises_no_tableau/analises_no_tableau.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,3 @@
## 📈 Análises no Tableau

As análises no Tableau com gráficos, dashboard e storytelling estão disponíveis por meio deste link: https://public.tableau.com/views/ViolnciacontraMulheresEstudodaViolncianoEspritoSanto/Planilha7?:language=pt-BR&:sid=&:redirect=auth&:display_count=n&:origin=viz_share_link
Binary file not shown.
69,644 changes: 69,644 additions & 0 deletions base_de_dados/violencia_contra_mulher_2022_2023.csv

Large diffs are not rendered by default.

7,835 changes: 7,835 additions & 0 deletions base_final/base_final_violencia_contra_mulher_2022_2023.csv

Large diffs are not rendered by default.

152 changes: 152 additions & 0 deletions documentacao_do_projeto/violencia_es.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,152 @@
## 📝 Contexto
Este projeto consiste na análise de dados de incidentes de violência contra mulheres registrados na cidade de Vila Velha, no estado do Espírito Santo entre os anos de 2022 e 2023.

## 🎯 Etapas do projeto:
1. **Selecionar a Base de Dados** [Escolher e explorar a base de dados relevante ao tema.] ✅
2. **Definir Objetivo e Perguntas** [Estabelecer o objetivo e formular perguntas-chave com base nas variáveis disponíveis.] ✅
3. **Realizar Análise Exploratória** [Identificar correlações, padrões e outliers nos dados.] ✅
4. **Gerar Base Final** [Limpar e estruturar os dados para a visualização.] ✅
5. **Criar Visualizações no Tableau** [Desenvolver gráficos que sintetizem os principais insights.] ✅
6. **Preparar Apresentação Final** [Apresentar o tema, dados e visualizações de forma clara e objetiva.] ✅

---

## 🔗 Base Escolhida
- **Base**: Nome da Base de Dados: Violencia Contra Mulher 2022_2023

Fonte: Dados abertos do estado do Espírito Santo, em que a fonte foi o Observatório Estadual de Segurança Pública.
Os dados estão disponíveis por meio deste link: https://dados.es.gov.br/dataset/violencia-contra-mulher-2022_2023

---

### 💡 Objetivo Geral:
O objetivo deste projeto é analisar os incidentes de violência contra mulheres na cidade de Vila Velha, no estado do Espírito Santo entre os dados de 2022 e 2023.

O projeto pretende fornecer informações relevantes que promovam a conscientização sobre a violência de gênero, incentivando uma profunda reflexão sobre os desafios enfrentados por mullheres, e sua luta por segurança.

### As perguntas norteadoras deste projeto são:

1. **[Pergunta sobre o perfil dos dados]** - Quais são as principais características da base de dados selecionada?

A base de dados tem 69.643 linhas e 15 colunas.

As informações são de:

📅 Data do Fato: Data em que o incidente foi registrado.

⏰ Hora do Fato: Hora em que o incidente ocorreu.

📝 Tipo de Boletim: Tipo de boletim de ocorrência registrado.

👤 Tipo de Envolvimento: Indica o tipo de envolvimento da vítima.

🪪 Idade: Idade da vítima.

♀️ Sexo: Sexo da vítima.

✋🏻✋🏽✋🏾 Raça: Raça da vítima.

🔢 Cód. Incidente: Código numérico que classifica o tipo específico do incidente.

📂 Grupo de Incidente: Grupo ao qual o tipo de incidente pertence.

🏷️ Tipo de Incidente: Tipo detalhado de incidente ocorrido.

🗺️ UF: Estado onde o incidente foi registrado.

🏙️ Município: Nome do município onde o incidente ocorreu.

📍 Bairro: Nome do bairro onde o incidente ocorreu.

🏠 Tipo de Local: Tipo de ambiente onde ocorreu o incidente.

Outras características:

- Temporalidade: A base contém dados de 2022 e 2023, abrangendo o período de 2 anos, permitindo a análise de tendências e padrões ao longo do tempo.

- Horário dos crimes: A inclusão de dados sobre a hora do fato possibilita a nálise de padrões temporais, ajudando a identificar por exemplo se certos tipos de violência ocorrem com mais frequência em horários específicos.

- Classificação das violências: A base de dados tem colunas que categorizam os tipos de crimes, como: tipo de boletim, grupo de incidente e tipo de local.

- Variáveis demográficas: A base tem informações sobre as vítimas, como idade, gênero e raça. O que permite uma análise aprofundada das características vas vítimas de violência.

- Geolocalização: Os dados são segmentados por município e bairro, possibilitando uma análise geográfica detalhada e a identificação de áreas com maior incidência de violência.

2. **[Pergunta descritiva]** - Qual é o número total de incidentes de violência contra mulheres registrados em cada bairro de Vila Velha durante os anos de 2022 e 2023?

3. **[Pergunta descritiva]** - Qual é a quantidade de incidentes de violência contra mulheres em Vila Velha, categorizados por tipo de local?

4. **[Pergunta descritiva]** - Como estão distribuídos os incidentes de violência contra mulheres em Vila Velha, classificados por código e tipo de incidente, nos anos de 2022 e 2023?

5. **[Pergunta descritiva]** - Qual é a distribuição de vítimas de violência contra mulheres em Vila Velha por faixa etária e tipo de incidente registrados em 2022 e 2023?

6. **[Pergunta descritiva]** - Como se distribuem as vítimas de violência contra mulheres em Vila Velha por raça e tipo de incidente, de acordo com os dados de 2022 e 2023?

7. **[Pergunta descritiva]** - Qual é a quantidade de vítimas de violência contra mulheres em Vila Velha, distribuídas por gênero e tipo de incidente, nos anos de 2022 e 2023?

---

## 🛠️ Ferramentas Utilizadas
- **🐍 Python (Jupyter Notebook)**: Para a análise exploratória de dados utilizando bibliotecas como Pandas, Seaborn, Matplotlib, etc.
- **📈 Tableau**: Para criar as visualizações finais e apresentar os insights gerados.
- **💻 GitHub**: Para versionamento do projeto e documentação.
- **📓 Google Colab** (opcional): Para execução de notebooks de forma colaborativa e em nuvem.

---

## 💜 Nome do Projeto
Violência contra Mulheres: Estudo de Vila Velha, Espírito Santo.

---

## 🗃️ Organização do Repositório

**Estrutura de Pastas e Arquivos**

### Pasta: `base_de_dados`
- **Arquivo:** `violencia_contra_mulher_2022_2023.csv`
- Base de dados utilizada para o projeto.

### Pasta: `analise_exploratoria`
- **Arquivo:** `analise_exploratoria.ipynb`
- Notebook com a análise exploratória, incluindo limpeza, tratamento dos dados e as análises.

### Pasta: `base_final`
- **Arquivo:** `base_final_violencia_contra_mulher_2022_2023.csv`
- Base final exportada em CSV.

### Pasta: `documentacao_do_projeto`
- **Arquivo:** `violencia_es.md`
- Arquivo em Markdown com a documentação do projeto.

### Pasta: `analises_no_tableau`
- **Arquivos:** `1. Bairros com mais indicentes.png`, `2. 10 Bairros com mais incidentes.png`, `3. Incidentes por tipo de local.png`, `4. Locais com mais incidentes.png`, `5. Distribuição dos incidentes.png`, `6. 10 maiores incidentes.png`, `7. Vítimas por idade.png`, `8. Vítimas idade (20 a 45 anos).png`, `9. Vítimas por raça.png`

- Imagens de gráficos realizados no Tableau.


- **Arquivos:** `10. Dashboard de Visão Geral de Violência Contra Mulheres.png`, `11. Dashboard de Análise de Incidentes de Violência Contra Mulhereres.png`, `12. Dashboard de Perfil das Vítimas de Violência Contra Mulheres.png`
- Imagens de dashboards realizados no Tableau.

- **Arquivo:** `13. Entendendo os Dados Violência Contra Mulheres.png`
- Imagem do storytelling realizado no Tableau.

- **Arquivo:**: `analises_no_tableau.md`
- Arquivo em Markdown com o link do Tableau, com as análises feitas com os gráficos, dashboards e storytelling.

### Pasta: `apresentacao_em_slides`
- **Arquivo:** `Violência contra Mulheres - Estudo de Vila Velha, Espírito Santo - Sueide Vilela.pdf`
- Arquivo em PDF com os slides de apresentação do projeto.

---

## 🙋‍♀️ Sobre mim
**Sueide Vilela**

👩‍🎓 Aluna da Turma ON 35 - Análise de Dados com Python

💻 Github: github.com/sueidevilela

🤝 LinkedIn: linkedin.com/in/sueide-vilela

📧 E-mail: sueide.t@gmail.com
74 changes: 37 additions & 37 deletions material /nome-projeto.md → material/nome-projeto.md
Original file line number Diff line number Diff line change
@@ -1,37 +1,37 @@
# Projeto Final de Análise de Dados
## Contexto
Este projeto consiste na análise de **[escolha o tema do seu projeto, por exemplo: dados educacionais do ENEM]**.
## Etapas do projeto:
1. **Selecionar a Base de Dados** [Escolher e explorar a base de dados relevante ao tema.]
2. **Definir Objetivo e Perguntas** [Estabelecer o objetivo e formular perguntas-chave com base nas variáveis disponíveis.]
3. **Realizar Análise Exploratória** [Identificar correlações, padrões e outliers nos dados.]
4. **Gerar Base Final** [Limpar e estruturar os dados para a visualização.]
5. **Criar Visualizações no Tableau** [Desenvolver gráficos que sintetizem os principais insights.]
6. **Preparar Apresentação Final** [Apresentar o tema, dados e visualizações de forma clara e objetiva.]
---
## Bases Escolhidas
- **Base 1**: [Nome da base de dados e fonte (por exemplo, Microdados do ENEM, INEP)]
- **Base 2**: [Nome da base de dados e fonte (opcional, caso use outra base complementar)]
---
### Objetivo Geral:
Realizar uma análise dos dados com o objetivo de **[escreva o objetivo do seu projeto, por exemplo: identificar as variáveis que influenciam o desempenho dos alunos no ENEM]**.
### As perguntas norteadoras deste projeto são:
1. **[Pergunta sobre o perfil dos dados]** - Quais são as principais características da base de dados selecionada?
2. **[Pergunta comparativa]** - Há diferenças de desempenho entre os grupos de interesse (ex.: escolas públicas vs. privadas)?
3. **[Pergunta relacional]** - Existe correlação entre fatores socioeconômicos e os resultados dos alunos?
4. **[Pergunta exploratória]** - Quais insights podem ser extraídos a partir dos padrões identificados nos dados?
---
## Ferramentas Utilizadas
- **Python (Jupyter Notebook)**: Para a análise exploratória de dados utilizando bibliotecas como Pandas, Seaborn, Matplotlib, etc.
- **Tableau**: Para criar as visualizações finais e apresentar os insights gerados.
- **GitHub**: Para versionamento do projeto e documentação.
- **Google Colab** (opcional): Para execução de notebooks de forma colaborativa e em nuvem.
# Projeto Final de Análise de Dados

## Contexto
Este projeto consiste na análise de **[escolha o tema do seu projeto, por exemplo: dados educacionais do ENEM]**.

## Etapas do projeto:
1. **Selecionar a Base de Dados** [Escolher e explorar a base de dados relevante ao tema.]
2. **Definir Objetivo e Perguntas** [Estabelecer o objetivo e formular perguntas-chave com base nas variáveis disponíveis.]
3. **Realizar Análise Exploratória** [Identificar correlações, padrões e outliers nos dados.]
4. **Gerar Base Final** [Limpar e estruturar os dados para a visualização.]
5. **Criar Visualizações no Tableau** [Desenvolver gráficos que sintetizem os principais insights.]
6. **Preparar Apresentação Final** [Apresentar o tema, dados e visualizações de forma clara e objetiva.]

---

## Bases Escolhidas
- **Base 1**: [Nome da base de dados e fonte (por exemplo, Microdados do ENEM, INEP)]
- **Base 2**: [Nome da base de dados e fonte (opcional, caso use outra base complementar)]

---

### Objetivo Geral:
Realizar uma análise dos dados com o objetivo de **[escreva o objetivo do seu projeto, por exemplo: identificar as variáveis que influenciam o desempenho dos alunos no ENEM]**.

### As perguntas norteadoras deste projeto são:
1. **[Pergunta sobre o perfil dos dados]** - Quais são as principais características da base de dados selecionada?
2. **[Pergunta comparativa]** - Há diferenças de desempenho entre os grupos de interesse (ex.: escolas públicas vs. privadas)?
3. **[Pergunta relacional]** - Existe correlação entre fatores socioeconômicos e os resultados dos alunos?
4. **[Pergunta exploratória]** - Quais insights podem ser extraídos a partir dos padrões identificados nos dados?

---

## Ferramentas Utilizadas
- **Python (Jupyter Notebook)**: Para a análise exploratória de dados utilizando bibliotecas como Pandas, Seaborn, Matplotlib, etc.
- **Tableau**: Para criar as visualizações finais e apresentar os insights gerados.
- **GitHub**: Para versionamento do projeto e documentação.
- **Google Colab** (opcional): Para execução de notebooks de forma colaborativa e em nuvem.