From 7f5388f2cb859d7a0f3886381f05b661ded75279 Mon Sep 17 00:00:00 2001
From: Ana Beatriz <ana.bsilva@telecine.com.br>
Date: Fri, 27 Sep 2024 18:50:08 -0300
Subject: [PATCH] Exercicio s10

---
 exercicios/para-casa/casa.py | 38 ++++++++++++++++++++++++++++++++++++
 exercicios/para-sala/aula.py | 31 +++++++++++++++++++++++++++++
 2 files changed, 69 insertions(+)
 create mode 100644 exercicios/para-casa/casa.py

diff --git a/exercicios/para-casa/casa.py b/exercicios/para-casa/casa.py
new file mode 100644
index 0000000..b81a145
--- /dev/null
+++ b/exercicios/para-casa/casa.py
@@ -0,0 +1,38 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+from datetime import datetime
+
+df = pd.read_csv(r"C:/Users/Colaborador/Reprograma/on33-python-s10-pandas-numpy-II/material/Employee.csv")
+
+current_year = datetime.now().year  # Pegar o ano atual
+df['YearsAtCompany'] = current_year - df['JoiningYear']
+
+df = df.drop_duplicates()
+gender_group = df.groupby('Gender').size()
+
+print(gender_group)
+
+gender_group.plot(kind='bar', title='Distribuição por Gênero')
+plt.xlabel('Gênero')
+plt.ylabel('Número de Empregados')
+plt.show()
+
+
+age_group = df.groupby('Age').size()
+print(age_group)
+
+age_group.plot(kind='bar', title='Distribuição por Idade')
+plt.xlabel('Idade')
+plt.ylabel('Número de Empregados')
+plt.show()
+
+city_group = df.groupby('City').size()
+print(city_group)
+
+mean_service_time_by_city = df.groupby('City')['YearsAtCompany'].mean()
+print(mean_service_time_by_city)
+
+city_group.plot(kind='bar', title='Número de Empregados por Cidade')
+plt.xlabel('Cidade')
+plt.ylabel('Número de Empregados')
+plt.show()
diff --git a/exercicios/para-sala/aula.py b/exercicios/para-sala/aula.py
index e69de29..41e5d39 100644
--- a/exercicios/para-sala/aula.py
+++ b/exercicios/para-sala/aula.py
@@ -0,0 +1,31 @@
+import pandas as pd
+
+df = pd.read_csv(r"C:\Users\Colaborador\Reprograma\on33-python-s10-pandas-numpy-II\material\desenvolvimento_paises.csv")
+
+#print(df.describe())
+#print(df.info())
+#print(df["AveragScore"].value_counts())
+
+# print (df.fillna(0, inplace=True))
+# print (df.isnull().sum())
+# print (df.duplicated().sum())
+# print (df.drop_duplicates(inplace=True))
+# print (df.duplicated().sum())
+
+# pais_maior_security_value = df["SafetySecurity"].max()
+# pais_menor_security_value = df["SafetySecurity"].min()
+
+# print(pais_maior_security_value)
+# print(pais_menor_security_value)
+# print("A diferença entre o maior pais com SafetySecurity é de:", pais_maior_security_value)
+
+# print (pais_maior_security_value)
+# print (pais_menor_security_value)
+# print ("A diferença entre o maior pais com SafetySecurity é de: ", pais_maior_security_value)
+
+# linha_maior_valor_security = df["SafetySecurity"]== pais_maior_security_value
+# print (linha_maior_valor_security)
+
+# index_greater_value = df["SafetySecurity"].idxmax()
+# print(df.loc[index_greater_value])
+