O presente estudo busca fazer uma **análise exploratória** relacionada à série histórica de preço de venda da **gasolina e do etanol**, utilizando as mais diversas ferramentas disponíveis para resolver as questões propostas na atividade de encerramento do módulo 4 do curso Data Analytics Resilia, resultando também em interpretações que poderiam auxiliar na **tomada de decisão** e ajudar na compreensão do **cenário econômico** como um todo dentro do recorte proposto.
Fontes:
Agência Nacional de Petróleo e Gás Natural e Biocombustíveis (ANP):
* [Junho 2021- Gasolina/Etanol](https://www.gov.br/anp/pt-br/centrais-de-conteudo/dados-abertos/arquivos/shpc/dsan/2021/2021-07-gasolina-etanol.csv)
* [Julho 2021- Gasolina/Etanol](https://www.gov.br/anp/pt-br/centrais-de-conteudo/dados-abertos/arquivos/shpc/dsan/2021/2021-06-gasolina-etanol.csv)
Objetivos:
* Analisar o preço médio da gasolina e do etanol nos dois meses.
* Analisar o comportamento de preços dos combustíveis pelos meses de junho e julho de 2021 e identificar se existe uma tendência de queda.
* Identificar o preço médio de gasolina por estado.
* Identificar os 5 estados que possuem preços médios de gasolina e etanol mais elevados.
* Identificar os municípios que possuem o menor e maior preço para a gasolina e para o etanol.
* Identificar as regiões que possuem o maior e menor valor médio para a gasolina.
* Analisar se há uma correlação entre o valor do combustível e a região onde é vendido.
* Analisar se há uma correlação entre o valor do combustível e a bandeira que comercializa.
Dicionário de Variáveis
Os arquivos .csv importados estão ambos no mesmo modelo, e, desta forma, a descrição de cada variável valerá para os dois *datasets*. Por padrão as entradas nas variáveis categóricas nominais nos *datasets* estão em caixa alta.
**Listagem e descrição das Variáveis:**
Importando arquivos .csv e convertendo para DataFrame:
import pandas as pd
import numpy as np
import random
import matplotlib.pyplot as plt
import seaborn as sns
import folium # Biblioteca de mapas
#!pip install geopy
data_july = pd.read_csv('2021-07-gasolina-etanol.csv', sep=";")
df_july = pd.DataFrame(data_july)
data_june = pd.read_csv('2021-06-gasolina-etanol.csv', sep=";")
df_june = pd.DataFrame(data_june)
df_june
Região - Siglaobject
SE52.4%
NE18.4%
3 others29.2%
Estado - Siglaobject
SP36.9%
MG7.2%
25 others55.9%
0
N
AC
1
N
AC
2
N
AC
3
N
AC
4
N
AC
5
N
AC
6
N
AC
7
N
AC
8
N
AC
9
N
AC
df_july
Região - Siglaobject
SE50.5%
NE19.3%
3 others30.2%
Estado - Siglaobject
SP34.1%
MG8.2%
25 others57.7%
0
NE
CE
1
NE
CE
2
NE
CE
3
NE
CE
4
NE
CE
5
NE
CE
6
NE
CE
7
NE
CE
8
NE
CE
9
NE
CE
df_unificado = pd.concat([df_june, df_july])
df_unificado
Região - Siglaobject
SE51.5%
NE18.8%
3 others29.7%
Estado - Siglaobject
0
N
AC
1
N
AC
2
N
AC
3
N
AC
4
N
AC
5
N
AC
6
N
AC
7
N
AC
8
N
AC
9
N
AC
Gravando o DataFrame unificado em formato .csv
df_unificado.to_csv('/work/df_unificado.csv', sep=';', encoding='utf-8', index=False)
Renomeando as coluna do DataFrame unificado
df_unificado.columns = ['Região', 'Estado', 'Município', 'Revenda',
'CNPJ da Revenda', 'Nome da Rua', 'Número Rua', 'Complemento', 'Bairro',
'Cep', 'Produto', 'Data da Coleta', 'Valor de Venda', 'Valor de Compra',
'Unidade de Medida', 'Bandeira']
Convertendo a coluna Valor de Venda no tipo Float
df_unificado['Valor de Venda'] = df_unificado['Valor de Venda'].str.replace(',','.').astype(float)
df_unificado
Regiãoobject
SE51.5%
NE18.8%
3 others29.7%
Estadoobject
0
N
AC
1
N
AC
2
N
AC
3
N
AC
4
N
AC
5
N
AC
6
N
AC
7
N
AC
8
N
AC
9
N
AC
Alterando o formato de data para formato ISO
df_unificado['Data da Coleta'] = pd.to_datetime(df_unificado['Data da Coleta'], format="%d/%m/%Y")
df_unificado
Regiãoobject
SE51.5%
NE18.8%
3 others29.7%
Estadoobject
0
N
AC
1
N
AC
2
N
AC
3
N
AC
4
N
AC
5
N
AC
6
N
AC
7
N
AC
8
N
AC
9
N
AC
1 - Como se comportaram o preço dos combustíveis durante os dois meses citados? Os valores do etanol e da gasolina tiveram uma tendência de queda ou diminuição?
Com método describe
## VALORES AGRUPADOS - COM OS TRÊS COMBUSTÍVEIS
preco_medio_geral = df_unificado.groupby('Produto')
preco_medio_geral['Valor de Venda'].describe().round(2)
countfloat64
meanfloat64
ETANOL
33096
4.58
GASOLINA
36953
5.73
GASOLINA ADITIVADA
27537
5.88
Comparando dados de Junho x Julho de 2021
# TENDÊNCIA DO ETANOL SOMENTE MÊS DE JUNHO DE 2021 - ATRAVÉS DA MÉDIA DIRETA:
df_june['Valor de Venda'] = df_june['Valor de Venda'].str.replace(',','.').astype(float)
preco_medio_junho = df_june.loc[(df_june['Produto']=='ETANOL')&(df_june['Valor de Venda'])]
preco_m_junho = preco_medio_junho['Valor de Venda'].mean()
preco_m_junho
# TENDÊNCIA DO ETANOL SOMENTE MÊS DE JULHO DE 2021 - ATRAVÉS DA MÉDIA DIRETA:
df_july['Valor de Venda'] = df_july['Valor de Venda'].str.replace(',','.').astype(float)
preco_medio_julho = df_july.loc[(df_july['Produto']=='ETANOL')&(df_july['Valor de Venda'])]
preco_m_julho = preco_medio_julho['Valor de Venda'].mean()
preco_m_julho
plt.figure(figsize=(10,6))
plt.title('Evolução do Preço Médio de Venda do Etanol no período de Junho a Julho de 2021')
x1 = 'Junho','Julho'
y1 = preco_m_junho, preco_m_julho
plt.grid()
plt.plot(x1,y1)
Qual o preço médio da gasolina e do etanol nesses dois meses?
## PREÇO MÉDIO DOS COMBUSTÍVEIS POR REGIÃO NO PERÍODO DE JUNHO A JULHO DE 2021.
df_auxiliar_1 = df_unificado[['Valor de Venda', 'Produto', 'Região']]
df_preco_medio_geral = df_auxiliar_1.groupby(['Produto', 'Região']).mean()
df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'}).round(2) # .round(2) para definir duas casas decimais
Preço Médiofloat64
4.35 - 5.99
('ETANOL', 'SE')
4.35
('ETANOL', 'CO')
4.41
('ETANOL', 'S')
4.82
('ETANOL', 'N')
5.05
('ETANOL', 'NE')
5.09
('GASOLINA', 'SE')
5.66
('GASOLINA', 'S')
5.71
('GASOLINA', 'N')
5.82
('GASOLINA ADITIVADA', 'SE')
5.83
('GASOLINA ADITIVADA', 'S')
5.85
## PREÇO MÉDIO DOS COMBUSTÍVEIS NO PERÍODO DE JUNHO A JULHO DE 2021.
df_auxiliar_1 = df_unificado[['Valor de Venda', 'Produto']]
df_preco_medio_geral = df_auxiliar_1.groupby(['Produto']).mean()
df_preco_medio =df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'})
df_preco_medio.style.format({'Preço Médio':'R$ {:.2F}'})
3 - Quais os 5 estados com o preço médio da gasolina e do etanol mais caros?
## CONSULTAS INDIVIDUALIZADAS POR COMBUSTÍVEL - ETANOL
df_auxiliar_2 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_3 = df_auxiliar_2.loc[(df_auxiliar_2['Produto']=='ETANOL')&(df_auxiliar_2['Valor de Venda'])& (df_auxiliar_2['Estado'])]
df_etanol_preco_md_estados = df_auxiliar_3.groupby(['Produto', 'Estado']).mean()
df_etanol = df_etanol_preco_md_estados.groupby(by=["Produto","Estado", "Valor de Venda"]).head(5)
etanol_pm_caro = df_etanol.sort_values(by="Valor de Venda", ascending=False).head(5).round(2)
etanol_pm_caro
Valor de Vendafloat64
('ETANOL', 'RS')
5.81
('ETANOL', 'AC')
5.54
('ETANOL', 'RN')
5.52
('ETANOL', 'PA')
5.33
('ETANOL', 'AP')
5.31
## CONSULTAS INDIVIDUALIZADAS POR COMBUSTÍVEL - GASOLINA
df_auxiliar_4 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_5 = df_auxiliar_4.loc[(df_auxiliar_2['Produto']=='GASOLINA')&(df_auxiliar_2['Valor de Venda'])& (df_auxiliar_2['Estado'])]
df_gasolina_preco_md_estados = df_auxiliar_5.groupby(['Produto', 'Estado']).mean()
df_gasolina = df_gasolina_preco_md_estados.groupby(by=["Produto","Estado", "Valor de Venda"]).head(5)
gasolina_pm_caro = df_gasolina.sort_values(by="Valor de Venda", ascending=False).head(5).round(2)
gasolina_pm_caro
Valor de Vendafloat64
('GASOLINA', 'AC')
6.44
('GASOLINA', 'RJ')
6.3
('GASOLINA', 'RN')
6.15
('GASOLINA', 'PI')
6.11
('GASOLINA', 'GO')
6.04
## CONSULTAS INDIVIDUALIZADAS POR COMBUSTÍVEL - GASOLINA ADITIVADA
df_auxiliar_6 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_7 = df_auxiliar_6.loc[(df_auxiliar_2['Produto']=='GASOLINA ADITIVADA')&(df_auxiliar_2['Valor de Venda'])& (df_auxiliar_2['Estado'])]
df_gas_adt_preco_md_estados = df_auxiliar_7.groupby(['Produto', 'Estado']).mean()
df_gas_adit = df_gas_adt_preco_md_estados.groupby(by=["Produto","Estado", "Valor de Venda"]).head(5)
gas_aditvada_pm_caro = df_gas_adit.sort_values(by="Valor de Venda", ascending=False).head(5).round(2)
gas_aditvada_pm_caro
Valor de Vendafloat64
('GASOLINA ADITIVADA', 'AC')
6.42
('GASOLINA ADITIVADA', 'RJ')
6.42
('GASOLINA ADITIVADA', 'PI')
6.31
('GASOLINA ADITIVADA', 'RN')
6.21
('GASOLINA ADITIVADA', 'RS')
6.15
## CONSULTA COM TODOS OS COMBUSTÍVEIS:
geral_estados_mais_caros = pd.concat([etanol_pm_caro, gasolina_pm_caro, gas_aditvada_pm_caro])
geral_estados_mais_caros.T.round(2)
ETANOL,RSfloat64
ETANOL,ACfloat64
Valor de Venda
4 - Qual o preço médio da gasolina e do etanol por estado?
## PREÇO MÉDIO DO ETANOL POR ESTADO NO PERÍODO DE JUNHO A JULHO DE 2021:
df_auxiliar_8 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_9 = df_auxiliar_8.loc[(df_auxiliar_8['Produto']=='ETANOL') & (df_auxiliar_8['Valor de Venda']) & (df_auxiliar_8['Estado'])]
df_preco_medio_geral = df_auxiliar_9.groupby(['Estado']).mean()
preco_medio_etanol_estado = df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'}).round(2) # .round(2) para definir duas casas decimais
preco_medio_etanol_estado.sort_values(by='Preço Médio', ascending=False).style.format(' R$ {:,.2f}').background_gradient(cmap='Reds')
## PLOTANDO UM GRÁFICO DE LINHA COM VARIAÇÃO DO PREÇO MÉDIO DO ETANOL POR ESTADO - PERÍODO DE JUNHO A JULHO DE 2021
plt.figure(figsize=(15,6))
plt.title('Preço Médio do Etanol por Estado - Período de Junho a Julho de 2021')
plt.grid()
plt.xlabel('Estados')
plt.ylabel('Valores em Reais')
plt.plot(preco_medio_etanol_estado, label='Preço Médio por Estado')
## CRIANDO A LINHA DO PREÇO MÉDIO:
preco_medio =[]
n = 27 # Número de Estados da Federação
contador = 0
while contador < n:
for i in df_preco_medio[:1].values: # Selecionando apenas o Etanol
preco_medio.append(i)
contador +=1
plt.plot(preco_medio, label='Preço Médio Nacional')
plt.legend()
## PREÇO MÉDIO DA GASOLINA POR ESTADO NO PERÍODO DE JUNHO A JULHO DE 2021:
df_auxiliar_10 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_11 = df_auxiliar_10.loc[(df_auxiliar_8['Produto']=='GASOLINA')& (df_auxiliar_8['Valor de Venda'])& (df_auxiliar_8['Estado'])]
df_preco_medio_geral = df_auxiliar_11.groupby(['Estado']).mean()
preco_medio_gasolina_estado = df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'}).round(2) # .round(2) para definir duas casas decimais
preco_medio_gasolina_estado.sort_values(by='Preço Médio', ascending=False).style.format(' R$ {:,.2f}').background_gradient(cmap='Reds')
## PLOTANDO UM GRÁFICO DE LINHA COM VARIAÇÃO DO PREÇO MÉDIO DA GASOLINA POR ESTADO - PERÍODO DE JUNHO A JULHO DE 2021
plt.figure(figsize=(15,6))
plt.title('Preço Médio da Gasolina por Estado - Período de Junho a Julho de 2021')
plt.grid()
plt.xlabel('Estados')
plt.ylabel('Valores em Reais')
plt.plot(preco_medio_gasolina_estado, label='Preço Médio por Estado')
## CRIANDO A LINHA DO PREÇO MÉDIO:
preco_medio =[]
n = 27 # Número de Estados da Federação
contador = 0
while contador < n:
for i in df_preco_medio[1:2].values: # Selecionando apenas a Gasolina
preco_medio.append(i)
contador +=1
plt.plot(preco_medio, label='Preço Médio Nacional')
plt.legend()
## PREÇO MÉDIO DA GASOLINA ADITIVADA POR ESTADO NO PERÍODO DE JUNHO A JULHO DE 2021:
df_auxiliar_12 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
df_auxiliar_13 = df_auxiliar_12.loc[(df_auxiliar_8['Produto']=='GASOLINA ADITIVADA')& (df_auxiliar_8['Valor de Venda'])& (df_auxiliar_8['Estado'])]
df_preco_medio_geral = df_auxiliar_13.groupby(['Estado']).mean()
preco_medio_gasolina_adt_estado = df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'}).round(2) # .round(2) para definir duas casas decimais
preco_medio_gasolina_adt_estado.sort_values(by='Preço Médio', ascending=False).style.format(' R$ {:,.2f}').background_gradient(cmap='Reds')
## PLOTANDO UM GRÁFICO DE LINHA COM VARIAÇÃO DO PREÇO MÉDIO DA GASOLINA ADITIVADA POR ESTADO - PERÍODO DE JUNHO A JULHO DE 2021
plt.figure(figsize=(15,6))
plt.title('Preço Médio da Gasolina Aditivada por Estado - Período de Junho a Julho de 2021')
plt.grid()
plt.xlabel('Estados')
plt.ylabel('Valores em Reais')
plt.plot(preco_medio_gasolina_adt_estado, label='Preço Médio por Estado')
## CRIANDO A LINHA DO PREÇO MÉDIO:
preco_medio =[]
n = 27 # Número de Estados da Federação
contador = 0
while contador < n:
for i in df_preco_medio[2:].values: # Selecionando apenas a Gasolina Aditivada
preco_medio.append(i)
contador +=1
plt.plot(preco_medio, label='Preço Médio Nacional')
plt.legend()
## PREÇO MÉDIO DOS TRÊS TIPOS DE COMBUSTÍVEIS POR ESTADO NO PERÍODO DE JUNHO A JULHO DE 2021:
df_auxiliar_22 = df_unificado[['Valor de Venda', 'Produto', 'Estado']]
#df_auxiliar_23 = df_auxiliar_22.loc[(df_auxiliar_8['Produto'])& (df_auxiliar_8['Valor de Venda'])& (df_auxiliar_8['Estado'])]
df_preco_medio_geral = df_auxiliar_22.groupby(['Estado', 'Produto']).mean()
preco_medio_combustiveis_estado = df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'})
preco_medio_combustiveis_estado.sort_values(by='Preço Médio',ascending=False).style.format(' R$ {:,.2f}').background_gradient(cmap='Reds')
## PLOTANDO UM GRÁFICO DE LINHA COM VARIAÇÃO DO PREÇO MÉDIO DOS COMBUSTÍVEIS POR ESTADO - PERÍODO DE JUNHO A JULHO DE 2021
x = df_unificado['Estado'].unique()
y1 = preco_medio_etanol_estado['Preço Médio'].values
y2 = preco_medio_gasolina_estado['Preço Médio'].values
y3 = preco_medio_gasolina_adt_estado['Preço Médio'].values
plt.figure(figsize=(15,8))
plt.title('Preço Médio dos Combustíveis por Estado - Período de Junho a Julho de 2021')
plt.grid()
plt.xlabel('Estados')
plt.ylabel('Valores em Reais')
plt.plot(x, y1, label='Etanol')
plt.plot(x, y2, label='Gasolina')
plt.plot(x, y3, label='Gasolina Aditivada')
plt.legend()
5 - Qual o município que possui o menor preço para a gasolina e para o etanol?
## CIDADE COM O MENOR VALOR PRATICADO PARA O COMBUSTÍVEL ETANOL
df_auxiliar_14 = df_unificado.groupby(['Produto', 'Município'])
df_auxiliar_15 = df_auxiliar_14[["Valor de Venda"]].min()
etanol_min_municipio = df_auxiliar_15.loc['ETANOL'].sort_values(by='Valor de Venda')
etanol_min_municipio.head(1)
Valor de Vendafloat64
SANTA BARBARA D'OESTE
3.097
## CIDADE COM O MENOR VALOR PRATICADO PARA O COMBUSTÍVEL GASOLINA
df_auxiliar_16 = df_unificado.groupby(['Produto', 'Município'])
df_auxiliar_17 = df_auxiliar_16[["Valor de Venda"]].min()
gasolina_min_municipio = df_auxiliar_17.loc['GASOLINA'].sort_values(by='Valor de Venda')
gasolina_min_municipio.head(1)
Valor de Vendafloat64
SORRISO
4.398
## CIDADE COM O MENOR VALOR PRATICADO PARA O COMBUSTÍVEL GASOLINA ADITIVADA
df_auxiliar_18 = df_unificado.groupby(['Produto', 'Município'])
df_auxiliar_19 = df_auxiliar_18[["Valor de Venda"]].min()
gasolina_adt_min_municipio = df_auxiliar_19.loc['GASOLINA ADITIVADA'].sort_values(by='Valor de Venda')
gasolina_adt_min_municipio.head(1)
Valor de Vendafloat64
COTIA
4.199
## COLETANDO AS CIDADES COM OS MENORES VALORES PRATICADOS:
cidades = []
cidades.append(etanol_min_municipio.index[0])
cidades.append(gasolina_min_municipio.index[0])
cidades.append(gasolina_adt_min_municipio.index[0])
## CRIANDO AS MENSAGENS COM VALORES DAS CIDADES SELECIONADAS:
mensagem_1 = etanol_min_municipio['Valor de Venda'].min()
mensagem_2 = gasolina_min_municipio["Valor de Venda"].min()
mensagem_3 = gasolina_adt_min_municipio["Valor de Venda"].min()
## CRIANDO UM MAPA DO BRASIL ATRAVÉS DO FOLIUM:
brasil = folium.Map(
location=[-16.1237611, -59.9219642], # Coordenadas retiradas do Google Maps
zoom_start=4 # Define o nível de zoom do mapa no carregamento, o default é 10
)
## PEGANDO AS COORDENADAS GEOGRÁFICAS (LATITUDE E LONGITUDE) POR NOME DE CIDADE ATRAVÉS DA BIBLIOTECA GEOPY:
from geopy.geocoders import Nominatim
a= []
for i in cidades:
loc = Nominatim(user_agent="GetLoc")
getLoc = loc.geocode(i)
location = getLoc
a.append([location.latitude, location.longitude])
coordenadas_1 = a[0]
coordenadas_2 = a[1]
coordenadas_3 = a[2]
# INSERINDO MARCADORES NO MAPA DO BRASIL COM BASE NAS COORDENADAS GEOGRÁFICAS:
mapa = brasil
folium.Marker(
location=[coordenadas_1[0], coordenadas_1[1]],
popup=mensagem_1,
icon=folium.Icon(color="red", icon="info-sign"),
).add_to(mapa)
folium.Marker(
location=[coordenadas_2[0], coordenadas_2[1]],
popup=mensagem_2,
icon=folium.Icon(color="green", icon="info-sign"),
).add_to(mapa)
folium.Marker(
location=[coordenadas_3[0], coordenadas_3[1]],
popup=mensagem_3,
icon=folium.Icon(color="blue", icon="info-sign"),
).add_to(mapa)
mapa
6 - Qual o município que possui o maior preço para a gasolina e para o etanol?
agrupado_produto_municipio = df_unificado.groupby(['Produto', 'Município'])
max_agrupado_produto_municipio = agrupado_produto_municipio[['Valor de Venda']].max()
gasolina_maxima_municipio = max_agrupado_produto_municipio.loc['GASOLINA'].sort_values(by="Valor de Venda", ascending = False)
gasolina_maxima_municipio.head(1)
Valor de Vendafloat64
BAGE
6.999
agrupado_produto_municipio = df_unificado.groupby(['Produto', 'Município'])
max_agrupado_produto_municipio = agrupado_produto_municipio[['Valor de Venda']].max()
gasolina_adt_maxima_municipio = max_agrupado_produto_municipio.loc['GASOLINA ADITIVADA'].sort_values(by="Valor de Venda", ascending = False)
gasolina_adt_maxima_municipio.head(1)
Valor de Vendafloat64
BAGE
7.097
agrupado_produto_municipio = df_unificado.groupby(['Produto', 'Município'])
max_agrupado_produto_municipio = agrupado_produto_municipio[['Valor de Venda']].max()
etanol_maxima_municipio = max_agrupado_produto_municipio.loc['ETANOL'].sort_values(by="Valor de Venda", ascending = False)
etanol_maxima_municipio.head(1)
Valor de Vendafloat64
PELOTAS
6.999
## COLETANDO AS CIDADES COM OS MENORES VALORES PRATICADOS:
cidades = []
cidades.append(etanol_maxima_municipio.index[0])
cidades.append(gasolina_maxima_municipio.index[0])
cidades.append(gasolina_adt_maxima_municipio.index[0])
## CRIANDO AS MENSAGENS COM VALORES DAS CIDADES SELECIONADAS:
mensagem_1 = etanol_maxima_municipio['Valor de Venda'].max()
mensagem_2 = gasolina_maxima_municipio["Valor de Venda"].max()
mensagem_3 = gasolina_adt_maxima_municipio["Valor de Venda"].max()
cidades
## CRIANDO UM MAPA DO BRASIL ATRAVÉS DO FOLIUM:
brasil = folium.Map(
location=[-16.1237611, -59.9219642], # Coordenadas retiradas do Google Maps
zoom_start=4 # Define o nível de zoom do mapa no carregamento, o default é 10
)
## PEGANDO AS COORDENADAS GEOGRÁFICAS (LATITUDE E LONGITUDE) POR NOME DE CIDADE ATRAVÉS DA BIBLIOTECA GEOPY:
from geopy.geocoders import Nominatim
a= []
for i in cidades:
loc = Nominatim(user_agent="GetLoc")
getLoc = loc.geocode(i)
location = getLoc
a.append([location.latitude, location.longitude])
coordenadas_1 = a[0]
coordenadas_2 = a[1]
coordenadas_3 = a[2]
# INSERINDO MARCADORES NO MAPA DO BRASIL COM BASE NAS COORDENADAS GEOGRÁFICAS:
mapa = brasil
folium.Marker(
location=[coordenadas_1[0], coordenadas_1[1]],
popup=mensagem_1,
icon=folium.Icon(color="red", icon="info-sign"),
).add_to(mapa)
folium.Marker(
location=[coordenadas_2[0], coordenadas_2[1]],
popup=mensagem_2,
icon=folium.Icon(color="green", icon="info-sign"),
).add_to(mapa)
folium.Marker(
location=[coordenadas_3[0]+0.005, coordenadas_3[1]+0.02], # Apliquei um fator de correção para separar esse 2º marcador
popup=mensagem_3,
icon=folium.Icon(color="blue", icon="info-sign"),
).add_to(mapa)
mapa
7- Qual a região que possui o maior valor médio da gasolina?
df_auxiliar_18 = df_unificado[['Produto', 'Região', 'Valor de Venda']]
df_auxiliar_19 = df_auxiliar_18.loc[(df_auxiliar_18['Produto']=='GASOLINA') & (df_auxiliar_18['Região']) & (df_auxiliar_18['Valor de Venda'])]
df_gasolina_preco_medio_geral = df_auxiliar_19.groupby(['Produto','Região']).mean().round(2)
df_gasolina_preco_medio_geral.sort_values(by="Valor de Venda", ascending=False).head(1)
Valor de Vendafloat64
('GASOLINA', 'CO')
5.9
## PLOTANDO GRÁFICO DE BARRAS GASOLINA
x = df_auxiliar_18['Região'].drop_duplicates().sort_values(ascending=True)
y = df_gasolina_preco_medio_geral['Valor de Venda']
fig, ax = plt.subplots(figsize=(12,6.5))
fig.suptitle('Preço médio de venda de Gasolina')
ax.set_ylabel('Valores em Reais')
ax.set_xlabel('Regiões')
ax.bar(x,y)
plt.grid()
for i, v in enumerate(df_gasolina_preco_medio_geral['Valor de Venda']):
plt.text(x=i , y = 6 , s=f"{v}",
horizontalalignment='center',
verticalalignment='center',
fontdict=dict(fontsize=12)
)
plt.show()
8 - Qual a região que possui o menor valor médio do etanol?
df_auxiliar_20 = df_unificado[['Produto', 'Região', 'Valor de Venda']]
df_auxiliar_21 = df_auxiliar_20.loc[(df_auxiliar_20['Produto']=='ETANOL') & (df_auxiliar_20['Região']) & (df_auxiliar_20['Valor de Venda'])]
df_etanol_preco_medio_geral = df_auxiliar_21.groupby(['Produto','Região']).mean().round(2)
df_etanol_preco_medio_geral.sort_values(by='Valor de Venda', ascending=True).head(1)
Valor de Vendafloat64
('ETANOL', 'SE')
4.35
## PLOTANDO GRÁFICO DE BARRAS - ETANOL
x = df_auxiliar_20['Região'].drop_duplicates().sort_values(ascending=True)
y = df_etanol_preco_medio_geral['Valor de Venda']
fig, ax = plt.subplots(figsize=(12,6))
fig.suptitle('Menor preço médio de venda de Etanol')
ax.set_ylabel('Valores em Reais')
ax.set_xlabel('Regiões')
ax.bar(x,y)
plt.grid()
for i, v in enumerate(df_etanol_preco_medio_geral['Valor de Venda']):
plt.text(x=i , y = 5.2 , s=f"{v}",
horizontalalignment='center',
verticalalignment='center',
fontdict=dict(fontsize=12)
)
fig.show()
9 - Há alguma correlação entre o valor do combustível (gasolina e etanol) e a região onde ele é vendido?
## PREÇO MÉDIO DOS COMBUSTÍVEIS POR REGIÃO NO PERÍODO DE JUNHO A JULHO DE 2021.
df_auxiliar_1 = df_unificado[['Valor de Venda', 'Produto', 'Região']]
df_preco_medio_geral = df_auxiliar_1.groupby(['Produto', 'Região']).mean()
df_preco_medio_geral.rename(columns = {'Valor de Venda': 'Preço Médio'}).round(2) # .round(2) para definir duas casas decimais
Preço Médiofloat64
4.35 - 5.99
('ETANOL', 'CO')
4.41
('ETANOL', 'N')
5.05
('ETANOL', 'NE')
5.09
('ETANOL', 'S')
4.82
('ETANOL', 'SE')
4.35
('GASOLINA', 'CO')
5.9
('GASOLINA', 'N')
5.82
('GASOLINA', 'NE')
5.86
('GASOLINA', 'S')
5.71
('GASOLINA', 'SE')
5.66
df_auxiliar_1 = df_unificado[['Valor de Venda', 'Produto', 'Região']]
df_auxiliar_2 = df_auxiliar_1.groupby(['Produto', 'Região']).max()
df_auxiliar_2.rename(columns={'Valor de Venda':'Preço máximo'}).style\
.format(' R$ {:,.2f}') \
.background_gradient(cmap='Reds')
df_auxiliar_3 = df_unificado[['Valor de Venda', 'Produto', 'Região']]
df_auxiliar_3 = df_auxiliar_1.groupby(['Produto', 'Região']).min()
df_auxiliar_3.rename(columns={'Valor de Venda':'Preço mínimo'}).style\
.format(' R$ {:,.2f}') \
.background_gradient(cmap='Reds')
## CRIANDO NOVO DATAFRAME COM OS VALORES MÍNIMO, MÉDIO E MÁXIMO:
df_preco_medio_geral['Preço mínimo'] = df_auxiliar_3['Valor de Venda']
df_preco_medio_geral['Preço máximo'] = df_auxiliar_2['Valor de Venda']
df_preco_medio_geral.rename(columns={'Valor de Venda':'Preço médio'}, inplace=True)
df_preco_medio_geral[['Preço mínimo', 'Preço médio', 'Preço máximo']].style\
.format(' R$ {:,.2f}') \
.background_gradient(cmap='Reds')
## APLICANDO O TESTE DE CORRELAÇÃO COM O DATAFRAME NORMAL
df_preco_medio_geral[['Preço mínimo', 'Preço médio', 'Preço máximo']].corr()
Preço mínimofloat64
Preço médiofloat64
Preço mínimo
1
0.8465746192
Preço médio
0.8465746192
1
Preço máximo
0.3759913835
0.5121704906
plt.figure(figsize=(10,5))
sns.heatmap(df_preco_medio_geral[['Preço mínimo', 'Preço médio', 'Preço máximo']].corr(), vmin=-1.0, vmax=1.0, cmap='coolwarm', annot=True)
## APLICANDO O TESTE DE CORRELAÇÃO COM DATAFRAME DE FORMA TRANSPOSTA:
df_preco_medio_geral['Preço máximo'] = df_auxiliar_2['Valor de Venda']
df_preco_medio_geral['Preço mínimo'] = df_auxiliar_3['Valor de Venda']
df_preco_medio_geral.T.corr()
ETANOL,COfloat64
0.9210772199327334 - 1.0
ETANOL,Nfloat64
0.9501007602169972 - 1.0
('ETANOL', 'CO')
('ETANOL', 'N')
('ETANOL', 'NE')
('ETANOL', 'S')
('ETANOL', 'SE')
('GASOLINA', 'CO')
('GASOLINA', 'N')
('GASOLINA', 'NE')
('GASOLINA', 'S')
('GASOLINA', 'SE')
plt.figure(figsize=(15,10))
sns.heatmap(df_preco_medio_geral.T.corr(), vmin=-1.0, vmax=1.0, cmap='coolwarm', annot=True)