<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by CLOE ALBERTO DE SOUZA on Medium]]></title>
        <description><![CDATA[Stories by CLOE ALBERTO DE SOUZA on Medium]]></description>
        <link>https://medium.com/@cloealberto?source=rss-800fc2eefe5a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*cwflf3l-YSH1lIZ9_GJoNA.jpeg</url>
            <title>Stories by CLOE ALBERTO DE SOUZA on Medium</title>
            <link>https://medium.com/@cloealberto?source=rss-800fc2eefe5a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 08:57:59 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@cloealberto/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[UPDATE com WHERE e sem WHERE no SQL]]></title>
            <link>https://cloealberto.medium.com/update-table-com-where-e-sem-where-no-sql-27a4e5e0c4cd?source=rss-800fc2eefe5a------2</link>
            <guid isPermaLink="false">https://medium.com/p/27a4e5e0c4cd</guid>
            <dc:creator><![CDATA[CLOE ALBERTO DE SOUZA]]></dc:creator>
            <pubDate>Fri, 17 Jan 2025 21:22:41 GMT</pubDate>
            <atom:updated>2025-01-17T21:26:09.798Z</atom:updated>
            <content:encoded><![CDATA[<p>É uma atualização que é preciso ter muita atenção para não alterar o que não deve.</p><p>A função UPDATE em SQL é usada para modificar os dados existentes em uma tabela de um banco de dados.</p><p>Com ela, você pode alterar os valores de uma ou mais colunas em linhas específicas, com base em uma condição que você define.</p><p>Em um contexto de RH, reajuste salarial, se você quiser aumentar o salário de todos os funcionários em 15% referente a dissídio (só em sonho), você pode usar esse comando SQL:</p><blockquote><strong><em>— Atualiza a coluna salary da tabela employees, ajustando os salários em 15%</em></strong></blockquote><blockquote><em>mysql&gt; UPDATE employees <br> SET salary = salary * 1.15;</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gbJ7WubVyjXoBlZyDFs5Vw.png" /><figcaption>Passo a passo para acessar o banco de dados e fazer o UPDATE sem WHERE</figcaption></figure><p>Esse comando, sem WHERE, aplicou o reajuste de 15% para toda a base da tabela employees.</p><p>Mas vamos agora a um exemplo onde você quer reajustar os salários de apenas 2 funcionários da tabela employees em 20%.</p><p>Os funcionários são Steven e Neena, que tem os ids 100 e 101 respectivamente.</p><p>Como você não quer aplicar esse reajuste para todos os funcionários, terá de colocar uma condição no WHERE.</p><p>Ficaria assim a query SQL para resolver esse problema:</p><blockquote><strong><em>— Atualizando aumento de salário em 20% para os funcionários de id 100 e 101(Steven e Neena)</em></strong></blockquote><blockquote><em>UPDATE employees <br> SET salary = salary * 1.2 <br> WHERE employee_id IN(100, 101</em>);</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zu8H73YwwhyXCgr31RXHAw.png" /><figcaption>Query com UPDATE usando condição no WHERE</figcaption></figure><p>Deu para entender a diferença que faz usar o WHERE para fazer um UPDATE de uma tabela de banco de dados, não é?</p><p>Conta aí uma história sua de quando deu um UPDATE sem WHERE quando não deveria.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=27a4e5e0c4cd" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Entenda de uma vez .loc e .iloc no Pandas]]></title>
            <link>https://cloealberto.medium.com/entenda-de-uma-vez-loc-e-iloc-no-pandas-ef0af28ea78d?source=rss-800fc2eefe5a------2</link>
            <guid isPermaLink="false">https://medium.com/p/ef0af28ea78d</guid>
            <dc:creator><![CDATA[CLOE ALBERTO DE SOUZA]]></dc:creator>
            <pubDate>Tue, 14 Jan 2025 20:21:17 GMT</pubDate>
            <atom:updated>2025-01-14T20:21:17.731Z</atom:updated>
            <content:encoded><![CDATA[<h3>Entenda de uma vez .loc e .iloc no Pandas</h3><p>Quem nunca ficou confuso quando começou a tentar entender .loc e .iloc no Pandas?</p><p>Então borá lá entender esse negócio de vez, começando pelo .loc!</p><ul><li><strong>.loc </strong>é usado para selecionar dados com base nos nomes das linhas ou colunas.</li><li>Funciona como um filtro ou como uma maneira de selecionar colunas específicas pelo nome.</li><li>Ele é muito útil quando você quer fazer seleções baseadas em condições lógicas ou quando sabe os nomes das colunas do seu df.</li></ul><h4>Ok, amigão. Ainda não ficou claro. Dá para trazer para algo mais fácil de visualizar?</h4><p>Tá, imagine que você tem uma tabela. Pode imaginar uma tabela Excel mesmo e você fala assim pro df:</p><ol><li>“Me mostra aí todas as linhas onde a coluna departamento seja igual a RH.&quot;</li><li>“Mostra aí apenas as colunas de nome e salário.&quot;</li></ol><p>Para ficar mais fácil ainda, vamos dar aqui um exemplo com o código.</p><p>Usando o .loc para selecionar os dados de um df com base em uma condição:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4FiGeUcYviwBgchKuvZB6g.png" /><figcaption>Amostra de um dataframe</figcaption></figure><ul><li>Quero ver os funcionários que trabalham no departamento de <strong>ID 3 (RH) </strong>e ganham mais de <strong>R$ 14.900</strong>.</li><li>Depois, quero ver <strong>apenas os nomes deles e os custos relacionados</strong>.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LguSkJ9Q5mPcBOjk5zEcaQ.png" /><figcaption>Use case para .loc no Pandas</figcaption></figure><h4>Fazendo o breakdown do código, que é a explicação de como ele funciona:</h4><ul><li><strong>Essa linha determina a condição do filtro:</strong> (df[&#39;id_departamento&#39;] == 3) &amp; (df[&#39;salario_base&#39;] &gt; 14900) significa que somente os funcionários no departamento de id 3 (RH), com salário maior que 14.900 serão selecionados. É como se no SQL você colocasse ali: ‘WHERE id_departamento = 3 AND salario_base &gt; 14.900’</li><li><strong>Seleção das colunas:</strong> Depois disso, você seleciona as colunas pelo <strong>nome de cadas uma delas, como aparecem no df</strong>.</li></ul><p><strong>E o .iloc, hein? E qual o uso disso?</strong></p><p>Espero desfazer o nó que você pode ter em sua cabeça em relação a ele também.</p><ul><li><strong>iloc é usado para selecionar dados com base nos índices numéricos das linhas ou colunas. Vamos lembra que no Python as posições começam no 0.</strong></li><li>Ele funciona como uma coordenada numérica, então você vai se guiar pelas posições de linhas e colunas do dataframe. Cada linha e coluna tem um número, e você usa esses números para dizer para o .iloc o que quer selecionar.</li></ul><h4>Ok, deixa mais fácil isso daí!</h4><p>Imagine que aquela mesma tabela de Excel tem <strong>posições</strong> para cada linha e coluna:</p><ol><li>Linha 0, linha 1, linha 2… (índice da linha).</li><li>Coluna 0, coluna 1, coluna 2… (índice da coluna). Entendeu, né? Com o .iloc, você está pedindo assim na sua consulta:</li></ol><ul><li>“Me mostre as 8 primeiras linhas do df (posições de 0 a 7), e só as colunas das posições 1, 2 e 3 (nome, departamento e cargo).” — Importante lembrar mais uma vez que a posição inicial é 0.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4pLUaH0PblZprq3uOILFsA.png" /></figure><p>Um pequeno resumo das diferenças entre <strong>.loc </strong>e<strong> .iloc:</strong></p><p>O <strong>.loc</strong> faz a seleção usando nomes e o <strong>.iloc</strong> usa números.</p><p>Saiba que o <strong>.loc </strong>é útil para filtros e condições e o <strong>.iloc</strong> para posições fixas.</p><p>O <strong>.loc p</strong>recisa dos nomes das colunas/linhas, já o <strong>.iloc </strong>funciona apenas com índices numéricos.</p><p>Para finalizar esse artigo, simplificando as coisas, se você está tratando os dados pelo <strong>significado (nome das colunas ou linhas)</strong>, então use o <strong>.loc</strong>.</p><p>Agora, se está usando a <strong>posição fixa (número da linha ou coluna) para acessar esses dados</strong>, então seria melhor usar o <strong>.iloc.</strong></p><p>É isso aí, espero ter ajudado você a entender esses 2 que as vezes causam um pouco de confusão ao lidar com dados no Python Pandas.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ef0af28ea78d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Window Functions no SQL]]></title>
            <link>https://cloealberto.medium.com/window-functions-no-sql-7ae1da572a54?source=rss-800fc2eefe5a------2</link>
            <guid isPermaLink="false">https://medium.com/p/7ae1da572a54</guid>
            <dc:creator><![CDATA[CLOE ALBERTO DE SOUZA]]></dc:creator>
            <pubDate>Mon, 13 Jan 2025 19:15:59 GMT</pubDate>
            <atom:updated>2025-01-13T19:15:59.150Z</atom:updated>
            <content:encoded><![CDATA[<p>Window Functions no SQL</p><p>Cálculos em grupos sem perder os detalhes.</p><p>As Window Functions no SQL são uma forma de fazer cálculos em grupos de dados sem perder a visão das informações individuais.</p><p>Por exemplo, com a função AVG(), podemos calcular a média salarial de cada departamento e ainda mostrar os salários de cada funcionário. A cláusula ‘PARTITION BY’ ajuda a separar os dados por departamento. Cria-se uma janela detalhada para cada departamento. Veja a query abaixo, onde fizemos um JOIN entre as tabelas ‘employees’ e ‘departments’:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QGkLjzpdqtbwrrgR8dRxrw.png" /><figcaption>Window function — SQL</figcaption></figure><p>Esse é o resultado da query.</p><p>Veja que criamos essa partição das médias para cada departamento, mantendo ainda individualmente as informações dos salários que ajudam a compor essas médias.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7OG1i36QY6lTN-2zswFIqQ.png" /><figcaption>Output da query executada</figcaption></figure><p>Muita gente acha as window functions complicadas, mas na verdade, elas são simples e muito úteis para fazer esses cálculos em grupos, como esse nosso exemplo de média salarial.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7ae1da572a54" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Aprenda a diferença entre ROW_NUMBER(), RANK() e DENSE_RANK() no SQL.]]></title>
            <link>https://cloealberto.medium.com/aprenda-a-diferen%C3%A7a-entre-row-number-rank-e-dense-rank-no-sql-2e5db2678447?source=rss-800fc2eefe5a------2</link>
            <guid isPermaLink="false">https://medium.com/p/2e5db2678447</guid>
            <dc:creator><![CDATA[CLOE ALBERTO DE SOUZA]]></dc:creator>
            <pubDate>Fri, 10 Jan 2025 19:31:11 GMT</pubDate>
            <atom:updated>2025-01-10T19:31:11.238Z</atom:updated>
            <content:encoded><![CDATA[<p>Compreender a diferença entre as Window FunctionsROW_NUMBER(), RANK() e DENSE_RANK() é importante para manipular dados corretamente em SQL e obter resultados precisos de acordo com o contexto apresentado. Usar a função errada pode levar a resultados equivocados, afetando relatórios, análises e consequentemente tomadas de decisão.</p><p>Começando por <strong>ROW_NUMBER()</strong>, ela tem o propósito de associar um único número sequencial para cada linha, começando do 1, sem criar gaps na contagem, mesmo quando temos valores iguais, continuará classificando na sequência. Veja no exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yUKhKfdOouV4VSjKL5wppQ.png" /><figcaption>Query de exemplo para ROW_NUMBER()</figcaption></figure><p>No caso do <strong>RANK()</strong>, ela vai criar um ranking para cada linha, como também do 1 e caso haja valores iguais, ela vão ficar com o mesmo número no ranking, deixando um gap na sequência da contagem. Veja o exemplo na query a seguir:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wQOrZQm1D7vRqFDU9Pu4jw.png" /><figcaption>Query de exemplo para RANK()</figcaption></figure><p>E por último, <strong>DENSE_RANK() </strong>tem similaridade com o RANK() mas não deixa gaps na sequência do ranking nos casos em que há valores iguais. Esses valores iguais vão receber a mesma posição no ranking e a sequência vai seguir com os números consecutivos de suas posições. Veja o exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ucq5ZU2Shu7M65HHA1OBQw.png" /><figcaption>Query de exemplo para DENSE_RANK()</figcaption></figure><p>E ai, esse artigo te ajudou a entender melhor essas 3 window functions que são bastante utilizadas para criar ranking em queries?</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2e5db2678447" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Criando um banco de dados de RH no MySQL Workbench.]]></title>
            <link>https://cloealberto.medium.com/cria%C3%A7%C3%A3o-de-uma-banco-de-dados-de-rh-no-mysql-d3a1969c6e89?source=rss-800fc2eefe5a------2</link>
            <guid isPermaLink="false">https://medium.com/p/d3a1969c6e89</guid>
            <category><![CDATA[mysql]]></category>
            <category><![CDATA[schema]]></category>
            <category><![CDATA[sql]]></category>
            <dc:creator><![CDATA[CLOE ALBERTO DE SOUZA]]></dc:creator>
            <pubDate>Fri, 26 Jan 2024 02:16:38 GMT</pubDate>
            <atom:updated>2024-01-26T03:49:36.371Z</atom:updated>
            <content:encoded><![CDATA[<p>Essa publicação tem o objetivo de mostrar como criar um schema(banco de dados) de RH.</p><p><strong>CREATE SCHEMA IF NOT EXISTS</strong> recursos_humanos;</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/536/1*QWT6IVSEWtyN7FGmPI9y8A.png" /></figure><p>Aqui, ele vai criar um banco de dados, SE NÃO EXISTIR um já criado com esse nome. Se existir, vai ser retornado um erro, informando que já existe um database com essa descrição.</p><p><strong>“USE</strong> recursos_humanos;” é usada para acessar o banco de dados criado e realizar a criação das tabelas que farão parte desse schema.</p><p><strong>— Cria a tabela “colaboradores”.</strong><br>Para criarmos uma tabela no banco de dados, usamos o comando <strong>CREATE TABLE</strong>, seguido pelo nome da tabela e informando os nomes das colunas e o tipo de dados de cada uma delas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/718/1*HLbBIz2pMSPm4qgl4pUDEg.png" /></figure><p><strong>— Altera a tabela colaboradores adionando a foreign key pis, atualizando em cascata</strong></p><p>Usamos o comando <strong>ALTER TABLE</strong> para realizarmos alterações na tabela.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0iNjZCaQP7HzTzuzXH__8g.png" /></figure><p>O comando <strong>DESCRIBE</strong>, descreve a estrutura da tabela, mostrando o nome das colunas e o tipo de dado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/801/1*rdIP1BWd6mVOUKhow1pQfg.png" /></figure><p>Na sequência vamos continuar usando o comando <strong>CREATE TABLE</strong> para criar o restante das tabelas.</p><p><strong>— Cria outra tabela para o database “departamento”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/825/1*hBkM5FqhC-e42MGhLLpmQg.png" /></figure><p><strong>— Altera a tabela departamento e adiciona foreign key.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/1*MXP0XAcczXx1TF2PrgC7pg.png" /></figure><p><strong>— Cria tabela “localizacao_deptos”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/1*Z2so4i6bDlt-tGWsCQsaaQ.png" /></figure><p><strong>— Cria a tabela “projetos”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/671/1*Q4cWR_BdEGewdf6bR-8nRA.png" /></figure><p><strong>— Cria tabela “alocacao”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/692/1*g-bCV3jYanMM00WulFrMZQ.png" /></figure><p><strong>— Cria a tabela “dependentes”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/618/1*wFASlIIO2mIAW9NWr-jf_A.png" /></figure><p>— <strong><em>SHOW TABLES</em></strong> <strong>mostra todas as tabelas do schema</strong> recursos_humanos</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/597/1*idZ_NwLW0obXRuPc9n1yzA.png" /></figure><p><strong>— Mostra todas as constraints do schema “recursos_humanos”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/545/1*O0gcXtXiLsc6y97pDbOD6A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hf0BMV6lbJuD_0CbXyWxsw.png" /></figure><p>Assim encerramos essa primeira parte do projeto que teve seu foco inicial na criação do banco de dados e de suas respectivas tabelas.</p><p>Nos próximos posts irei incluir os código para inserir os dados nessas tabelas, usando o comando <strong>INSERT INTO.</strong></p><p>Obrigado e até a próxima.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d3a1969c6e89" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>