import pandas as pd import calendar import numpy as np from systemtools.number import * from pandas.api.types import is_string_dtype, is_numeric_dtype import matplotlib.pyplot as plt import seaborn as sns sns.set(style='darkgrid')

df = pd.read_csv('/work/DistribuicaoCloroquinaOseltamivir (2).csv', encoding = 'utf8', sep=';')

df.tail()

df.shape

df.info()

df.isna().sum()

df.sample()

df.columns = df.columns.str.strip() df.columns = df.columns.str.lower() # Tirando espaços das linhas for col in df: if is_string_dtype: df[col] = df[col].apply(lambda x: str(x).strip()) #Convrtendo o tipo df['quantidade'] = df['quantidade'].astype('int64') df['data de entrega'] = pd.to_datetime(df['data de entrega'], format='%d/%m/%Y') df['ano'] = df['data de entrega'].dt.year df['mes'] = df['data de entrega'].dt.month #Retirando caracteres indesejados das colunas vr. unitario e vr. total e convertendo para float df['valor unitário'] = df['valor unitário'].apply(lambda x: parseNumber(x)) df['valor total'] = df['valor total'].apply(lambda x: parseNumber(x)) # mudando numero do mes para o nome df['nome mes'] = df['mes'].apply(lambda x: calendar.month_abbr[x]) df.drop(['mes'], axis=1, inplace=True) #Renomeando colunas cols = ['regiao', 'uf', 'destinatario', 'localidade', 'item', 'programa_saude', 'quantidade', 'status', 'data_entrega', 'valor_unitario', 'valor_total', 'ano', 'nome_mes'] df.columns = map(str.lower,cols)

df.dtypes

# Estou separando apenas os dados referente a covid-19 e com Status de entregue, uma vez que não consigo analisar o que seria 'remanejamento'. mask = (df['programa_saude'] == 'COVID-19') & (df['status'] == 'ENTREGA REALIZADA') df_covid = df.loc[mask]

df_covid.head()

df_covid_by_year = df_covid.groupby("ano")['quantidade'].sum().reset_index() df_covid_by_year

plt.figure(figsize=(18,7)); g = sns.barplot(x='ano', y='quantidade', data = df_covid_by_year, palette='Blues_r'); plt.title('TOTAL CLOROQUINA ENVIDA POR ANO', size=15); plt.ticklabel_format(style='plain', axis='y')

aux2 = df_covid.groupby(['regiao', 'item'])['quantidade'].sum().reset_index() aux2 = pd.DataFrame(aux2) aux2 = aux2.nlargest(10, 'quantidade') aux2.sample()

plt.figure(figsize=(18,7)); g = sns.barplot(x='regiao', y='quantidade', data = aux2, hue='item', palette='Blues_r'); plt.title('REGIÕES QUE MAIS RECEBERAM MEDICAMENTOS PARA COMBATE A COVID-19', size=15); plt.ticklabel_format(style='plain', axis='y')

aux = df_covid.groupby(['uf'])['quantidade'].sum().reset_index() aux = pd.DataFrame(aux) top10 = aux.nlargest(27, 'quantidade')

plt.figure(figsize=(18.5,7)) g = sns.barplot(y='uf', x='quantidade', data = top10, palette='cool_r'); plt.title('ESTADOS QUE MAIS RECEBERAM MEDICAMENTOS PARA COVID-19', size = 15); plt.ticklabel_format(style='plain', axis='x')

df_sms = df_covid.loc[ df['destinatario'] == 'SMS'] aux7 = df_sms.groupby(['localidade'])['quantidade'].sum().reset_index() aux7 = pd.DataFrame(aux7) aux7 = aux7.nlargest(20, 'quantidade') aux7.sample()

plt.figure(figsize=(18.5,7)) g = sns.barplot(y='localidade', x='quantidade', data = aux7, palette='cool_r'); plt.title('MUNICIPIOS QUE MAIS RECEBERAM MEDICAMENTOS PARA COVI-19', size = 15); plt.ticklabel_format(style='plain', axis='x')

df_covid_2020 = df_covid[df_covid['data_entrega'].dt.year == 2020] aux3 = df_covid_2020.groupby(['nome_mes'])['quantidade'].sum().reset_index() aux3 = pd.DataFrame(aux3) aux3['nome_mes']= pd.Categorical(aux3['nome_mes'],categories=['Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Dec'],ordered=True) aux3 = aux3.sort_values('nome_mes',ascending=False) aux3

plt.figure(figsize=(18.5,7)) g = sns.barplot(x='nome_mes', y='quantidade', data = aux3, palette='cool'); plt.title(' TOTAL MEDICAMENTOS DISTRUIBUIDOS EM 2020 POR MÊS', size=15); plt.ticklabel_format(style='plain', axis='y') plt.xlabel('Mês');

df_covid_2021 = df_covid[df_covid['data_entrega'].dt.year == 2021] aux4 = df_covid_2021.groupby(['nome_mes', 'uf'])['quantidade'].sum().reset_index() aux4 = pd.DataFrame(aux4) aux4['nome_mes']= pd.Categorical(aux4['nome_mes'],categories=['Jan', 'Mar', 'Apr'],ordered=True) aux4 = aux4.sort_values('nome_mes',ascending=False) aux4

plt.figure(figsize=(18,7)) g = sns.barplot(x='nome_mes', y='quantidade', hue='uf', data = aux4, palette='cool'); plt.title(' TOTAL MEDICAMENTOS DISTRUIBUIDOS EM 2021 POR MÊS', size = 15); plt.xlabel('Mês');

aux4['quantidade'].sum()

df_ind = df_covid.loc[ (df_covid['destinatario'] != 'SMS') & (df_covid['destinatario'] != 'SES')]

aux8 = df_ind.groupby(['localidade', 'uf', 'data_entrega', 'nome_mes'])['quantidade'].sum().reset_index() aux8 = pd.DataFrame(aux8) aux8

plt.figure(figsize=(18,7)) g = sns.barplot(y='localidade', x='quantidade', hue='uf', data = aux8, palette='cool'); plt.title(' TOTAL MEDICAMENTOS DISTRUIBUIDOS A TERRAS INDÍGENAS', size = 15);