<?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 Lucas Augusto on Medium]]></title>
        <description><![CDATA[Stories by Lucas Augusto on Medium]]></description>
        <link>https://medium.com/@lucas-augusto?source=rss-50de16e9567f------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*QNikeHENfxFakM4ukchDUw.png</url>
            <title>Stories by Lucas Augusto on Medium</title>
            <link>https://medium.com/@lucas-augusto?source=rss-50de16e9567f------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 20:49:37 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@lucas-augusto/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[Aplicação de algoritmos de classificação para detecção de fraudes em cartões de crédito]]></title>
            <link>https://lucas-augusto.medium.com/aplica%C3%A7%C3%A3o-de-algoritmos-de-classifica%C3%A7%C3%A3o-para-detec%C3%A7%C3%A3o-de-fraudes-em-cart%C3%B5es-de-cr%C3%A9dito-444e1db14790?source=rss-50de16e9567f------2</link>
            <guid isPermaLink="false">https://medium.com/p/444e1db14790</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Lucas Augusto]]></dc:creator>
            <pubDate>Tue, 30 Mar 2021 14:08:06 GMT</pubDate>
            <atom:updated>2021-03-30T14:08:06.734Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/700/1*D6vPM9UfmdOIxI1uUyDKQQ.jpeg" /><figcaption>Credit Card by <a href="https://becominghuman.ai/how-ai-has-impacted-the-credit-card-industry-be2db758cce9">Becoming Human</a></figcaption></figure><p>Neste projeto, iremos abordar o problema das fraudes em cartões de crédito, uma das principais preocupações das instituições financeiras como bancos e <em>fintechs</em>. Apenas no Brasil, cerca de 12,1 milhões de pessoas já foram vítimas de algum tipo de fraude financeira no último ano. Traduzindo em valores, os golpes financeiros ultrapassaram a cifra de R$ 1,8 bilhão de prejuízo por ano para os últimos 12 meses.</p><p>Dentro essas fraudes, aquelas envolvendo cartões de crédito são de grande relevância uma vez que a sua não-detecção acarretará em prejuízos consideráveis, tanto para o consumidor quanto para a instituição financeira.</p><p>Um outro fator a ser considerado é a quantidade de falsos positivos, ou seja, aquelas vezes em que você tentou fazer uma compra e teve seu cartão bloqueado preventivamente — o que provavelmente gerou estresse e constrangimento.</p><p>Por todos esses motivos, o investimento na área de detecção de fraudes por meio de Inteligência Artificial vem crescendo a cada ano, representando uma grande oportunidade em <em>Data Science</em>.</p><p>Dispondo de grandes volumes de dados como base histórica, um algoritmo de machine learning apenas um pouco melhor que os anteriores já representa uma economia de milhões de Reais. E esse é o desafio, aprimorar cada vez mais o uso de algoritmos visando inibir ou evitar transações fraudulentas.</p><ol><li><strong>Origem dos dados</strong></li><li><strong>Importando Dados</strong></li><li><strong>Bibliotecas utilizadas</strong></li><li><strong>Análise Exploratória</strong></li><li><strong>Preparação dos Dados</strong></li><li><strong>Modelos de Machine Learning</strong></li><li><strong>Avaliar Desempenho do modelo</strong></li><li><strong>Resultado</strong></li><li><strong>Conclusão</strong></li></ol><p><strong>1. Origem dos Dados</strong></p><p>Os dados que usaremos neste projeto foram disponibilizados por algumas empresas europeias de cartão de crédito. O <em>dataset</em> representa as operações financeiras que aconteceram no período de dois dias, onde foram classificadas 492 fraudes em meio a quase 290 mil transações.</p><p>Como você pode notar, este é um conjunto de dados extremamente desbalanceado, onde as fraudes representam apenas 0,17% do total.</p><p>Outro detalhe interessante é que as <em>features</em> são todas numéricas, e foram descaracterizadas (por problemas ligados à privacidade e segurança). Assim, os nomes das colunas são representados por [V1,V2,V3…,V28].</p><p>Os dados estão no <a href="https://www.kaggle.com/mlg-ulb/creditcardfraud">Kaggle</a>, também é informado que as variáveis passaram por uma transformação conhecida como Análise de Componentes Principais (<em>Principal Component Analysis</em> — PCA).</p><p>A PCA permite a redução da dimensionalidade enquanto mantém o maior número possível de informações. Para conseguir isso, o algoritmo encontra um conjunto novo de recursos — os chamados <strong>componentes</strong>.</p><p>Esses componentes são em número menor ou igual às variáveis originais. No caso deste projeto, os componentes achados pela transformação da PCA são as próprias colunas [V1,V2,V3…,V28].</p><p><strong>2. Importando os dados</strong></p><p>A leitura dos dados está em arquivo csv, com isso, basta importar o conjunto de dados usando o método pd.read_csv().</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/2ae7c088824fa142990fbe292cbb31ca/href">https://medium.com/media/2ae7c088824fa142990fbe292cbb31ca/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dIX2F7IZuOgX6jgO9S-HlA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9l72Tt-I8JXmbf6OZIIE2A.png" /></figure><p>As variáveis do dataset são:</p><ul><li>Time: Número de segundos decorridos entre esta transação e a primeira transação no conjunto de dados.</li><li>Amount: Valor da transação.</li><li>Class: Transações fraudulentas(Entre 0 e 1).</li><li>V1 à V28: Resultados do processo de PCA (Principal Component Analysis).</li></ul><p>Os dados possuí 284807 entradas (linhas) e 31 variáveis.</p><p><strong>3. Bibliotecas utilizadas</strong></p><p>As bibliotecas utilizadas para o projeto são:</p><ul><li>Pandas: Biblioteca de tratamento e análise dos dados.</li><li>Numpy: Biblioteca de processamento de matrizes e vetores.</li><li>Scikit Learn: Biblioteca de aplicações em machine learning.</li><li>Seaborn: Biblioteca para visualizações gráficas baseado em Matplotlib.</li><li>Scikitplot: Biblioteca para ajudar em visualização de dados e modelos de treinamento em machine learning.</li><li>Matplotlib: Biblioteca para geração de gráficos.</li><li>Imblearn: Biblioteca para ajudar a balancear classes desbalanceadas.</li></ul><p><strong>4. Análise Exploratória dos dados</strong></p><p>Dentro das informações do nosso dataset, temos as variáveis <strong>Time</strong> e <strong>Amount </strong>, na qual, respectivamente equivalem a:</p><ul><li>Fraude (Class == 1)</li><li>Normal (Class == 0)</li></ul><p>De acordo com o gráfico da distribuição das classes, o número de fraudes equivale um porcentual pequeno (0.1727% ) em relação ao total do dataset.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/407/1*VlCftxmmBnVQ97AhpKS7tg.png" /><figcaption>Distribuições de classes entre fraude (1) e normal(0)</figcaption></figure><p>Através do gráfico box abaixo, percebe-se uma distribuição diferente para as duas classes, o que provavelmente irá contribuir para o treinamento do modelo de <em>machine learning</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/418/1*jvw7Q-UUR_6PKoRw0RcsEw.png" /><figcaption>Boxplot da variável Amount(Classe normal e fraude)</figcaption></figure><p><strong>5. Preparação dos Dados</strong></p><p>Antes de implementar o modelo de machine learning, muitas vezes os dados precisam ser tratados, formatados e reestruturados — este processo é conhecido como <strong>pré-processamento</strong>. Felizmente neste conjunto de dados não existem registros inconsistentes para tratamento, porém algumas colunas precisam ser ajustadas. Este pré-processamento pode ajudar muito com o resultado e poder de predição de quase todos os algoritmos de aprendizado.</p><p>Para que os dados possam alimentar um modelo de ML, precisamos realizar as seguintes etapas:</p><ul><li>Normalizar os dados que ainda não haviam sido pré-processados (Time e Amount)</li><li>Dividir o conjunto de dados entre treino e teste</li><li>Balancear o conjunto de dados</li></ul><p><strong>Padronizar os dados (time e amount)</strong></p><p>Para esta etapa, uma vez que a coluna Amount possui <em>outliers</em> será usada a padronização por meio da classe StandardScaler.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/412877c7d5ac3fcbdc2c2d8f564f073e/href">https://medium.com/media/412877c7d5ac3fcbdc2c2d8f564f073e/href</a></iframe><p><strong>Dividir o conjunto de dados entre treino e teste</strong></p><p>Antes de proceder com o balanceamento de dados, devemos splitar os dados já existentes entre treino e teste. Caso contrário, não teremos parâmetros para conferir se o balanceamento foi adequado. Para garantir que os conjuntos de treino e teste tenham a mesma quantidade de classes proporcionalmente, passamos stratify=True.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/428139bef86c05e68c8301f7116a9b6e/href">https://medium.com/media/428139bef86c05e68c8301f7116a9b6e/href</a></iframe><p>Os dados de treino e teste foram divididos da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6WdobxeIrQBqbcm3VWTd5g.png" /></figure><p><strong>Balanceamento dos Dados</strong></p><p>Para o balanceamento dos dados, será utilizado uma biblioteca chamada <a href="https://machinelearningmastery.com/random-oversampling-and-undersampling-for-imbalanced-classification/">imblearn</a>, com isso é possível aplicar facilmente técnicas de balanceamento, para o caso do projeto vai utilizar a função Under-sampling para preservação da classe minoritária.</p><p>Através da plotagem da matriz de correlação abaixo, percebe — se o antes e depois do balanceamento dos dados, um detalhe, quanto maior o valor da correlação entre cada variável, o gráfico fica mais claro.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wNo9wy0p4IhWhNdAQqypPA.png" /></figure><p><strong>6. Modelos de Machine Learning</strong></p><p>Para o projeto foi utilizado quatro tipos de modelos de machine learning:</p><ul><li>Regressão Logística.</li><li>Arvores de Decisão.</li><li>Classificador de Floresta aleatória.</li><li>Classificador de Ada Boost.</li></ul><p>De acordo com cada modelo, temos suas aplicações, vantagens e desvantagens.</p><p><strong>Regressão Logística</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*7ifIuns88pGPwKFfcranBg.png" /><figcaption>Modelos de Regressão Logística by <a href="https://dataaspirant.com/how-logistic-regression-model-works/">Data Aspirant</a></figcaption></figure><ul><li>A aplicação da regressão logística pode ser usada em empresas de cartão de crédito e empréstimos afim de prever inadimplência.</li><li>Vantagens: É mais robusto, as variáveis independentes não precisam ser distribuídas normalmente ou têm variações iguais em cada grupo. Normalmente, os termos de erro distribuídos não são assumidos.</li><li>Desvantagens: A regressão logística tende a apresentar um desempenho inferior quando existem limites de decisão múltiplos ou não lineares.</li></ul><p><strong>Arvores de Decisão</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/542/1*U6twhNSe1I37feFfBaeXLw.png" /><figcaption>Arvore de Decisão by <a href="https://www.aitimejournal.com/@akshay.chavan/a-comprehensive-guide-to-decision-tree-learning">AI Time Journal</a></figcaption></figure><ul><li>Uma aplicação no mundo real é identificar características a serem usadas em dispositivos implantáveis no campo de medicina (Eletrocardiograma Miocárdico)</li><li>Vantagens: As árvores de decisão podem aprender relacionamentos não lineares e são bastante robustas para outliers. Os conjuntos funcionam muito bem na prática, ganhando muitas competições de aprendizado de máquina clássicas (isto é, sem aprendizado profundo).</li><li>Desvantagens: Árvores individuais e não restritas são propensas a overfitting porque podem manter ramificações até memorizarem os dados de treinamento. No entanto, isso pode ser aliviado usando conjuntos.</li></ul><p><strong>Classificador de Floresta Aleatória</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*6r7FJCznsio0uEdcWz5ypw.png" /><figcaption>Floresta Aleatória by <a href="https://www.javatpoint.com/machine-learning-random-forest-algorithm">Javat Point</a></figcaption></figure><ul><li>Um exemplo prático no mundo real, é o sensoriamento remoto da terra, através de classificação de imagens.</li><li>Vantagens: O algoritmo é muito prático e fácil de usar, porque os hiperparâmetros padrão geralmente produzem um bom resultado de previsão. O número de hiperparâmetros também não é tão alto e eles são fáceis de entender.</li><li>Desvantagens: Um dos grandes problemas no aprendizado de máquina é o ajuste excessivo, mas na maioria das vezes isso não será fácil para um classificador de floresta aleatório.</li><li>Pode apresentar um candidato melhor que a arvore de decisão, porque evita overfitting e fornece melhor precisão.</li></ul><p><strong>Classificador de AdaBoost</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/544/1*X7gG-qJX-jMfZheoZb9okw.png" /><figcaption>AdaBoost by <a href="https://towardsdatascience.com/understanding-adaboost-2f94f22d5bfe">Towards Data Science</a></figcaption></figure><ul><li>Um exemplo de aplicação é com detecção de rostos em imagens de baixa resolução.</li><li>Vantagens: Fácil entendimento de visualização, relativamente robusto com overfitting.</li><li>Desvantagens: Para o AdaBoost, quando a quantidade de ruído é alta, a perfomance tende -se a degradar.</li></ul><p>Algo que importante que devemos considerar em comparação de modelos de machine learning são as métricas dos modelos, para isso vamos as definições:</p><p><strong>Accuracy</strong></p><p>Métrica que mede com que frequência o classificador faz a predição correta. É a proporção entre o número de predições corretas e o número total de predições (o número de registros testados).</p><p>Accuracy = (TruePositives + TrueNegatives) / (TruePositives +FalsePositives + TrueNegatives +FalseNegatives)</p><p><strong>Precision</strong></p><p>Métrica informa qual a proporção de transações classificamos como fraude eram realmente fraude. Ou seja, é a proporção de verdadeiros positivos (mensagens classificadas como fraude que eram realmente fraude) sobre todos os positivos (todas as transações classificadas como fraude, independente se a classificação estava correta).</p><p>Precision = TruePositives / (TruePositives + FalsePositives)</p><p><strong>Recall(sensibilidade)</strong></p><p>Métrica que informa qual a proporção das transações que eram fraudes que foram corretamente classificadas como fraude. É a proporção entre os verdadeiros positivos (Classificados como fraude, que realmente era fraude) sobre todas as transações financeiras quem realmente era fraudes.</p><p>Recall = TruePositives / (TruePositives + FalseNegatives)</p><p><strong>F1 Score</strong></p><p>Métrica que informa a média harmônica entre precision e recall, neste caso quanto maior o F1 Score, as duas métricas também serão maiores, porém é importante ficar atendo individualmente as métricas precision e recall.</p><ul><li>F1 = (2 * Precision * Recall) / (Precision + Recall)</li></ul><p><strong>AUC</strong></p><p><strong>AUC </strong>que é em português significa Área sob a curva, é uma métrica de uma curva derivada da <strong>ROC</strong> (Receiver Operation Characteristic), o valor da <strong>AUC</strong> varia de 0,0 até 1,0 e o limiar entre a classe é de 0,5, ou seja, acima do limite, o algoritmo é classificado em uma classe e abaixo na outra, a métrica é muito utilizada em medir a qualidade das previsões de modelos.</p><p><strong>7. Avaliar o desempenho do modelo</strong></p><p><strong>Regressão Logística</strong></p><p>Abaixo temos o gráfico da matrix de correlação e o relatório de resultado das métricas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/324/1*hALpda3sebysdSmQLGxOkQ.png" /><figcaption>Matrix de correlação — Regressão Logística</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/493/1*DGS8sD9nNzil3YUbhij-lA.png" /><figcaption>Relatório de métricas — Regressão Logística</figcaption></figure><p>O modelo de regressão logística obteve uma boa acurácia com 95% e um F - Score de 99%.</p><p><strong>Arvore de decisão</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/309/1*kHAWHH9KmwVxhnRmzgu6yQ.png" /><figcaption>Matrix de correlação — Arvores de Decisão</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/459/1*Y9PtufPx96ydbuMx7FTK_Q.png" /><figcaption>Relatório de métricas — Arvores de Decisão</figcaption></figure><p>O modelo de arvore de decisão obteve uma boa acurácia média de 88% e um F — Score de 93%.</p><p><strong>Floresta Aleatória</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/311/1*MnU2mc0qWRXaU_CK3LU7HQ.png" /><figcaption>Matrix de correlação —Floresta Aleatória</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/483/1*szwQTlkJJhqPx2KXqGhkvQ.png" /><figcaption>Relatório de métricas — Floresta Aleatória</figcaption></figure><p>O modelo de Floresta Aleatória obteve uma acurácia média de 94% e um F — Score de 97%.</p><p><strong>AdaBoost</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/309/1*nLD5Nuh-gTw5wctU4UrmMQ.png" /><figcaption>Matrix de correlação — AdaBoost</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/473/1*fENtZ4_y4X_3vGBV4QKYWQ.png" /><figcaption>Relatório de métricas — AdaBoost</figcaption></figure><p>O modelo do classificador AdaBoost obteve uma acurácia média de 92% e um F — Score de 96%.</p><p><strong>8. Resultado</strong></p><p>A tabela abaixo possui o resumo de cada modelo, com as principais métricas, F1Score, Acurácia, Recall e precision.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*cR-B8R1ys9BQJG4Pmx0GnQ.png" /></figure><p>Para o método na qual para prever a fraudulência das transações financeiras. A comparação é feita com métricas de acurácia, F — Score, recall e de precisão. Em termos de precisão, todos os modelos tiveram boa performance Sobre o recall, na qual é uma métrica importante porque precisamos minimizar os falsos negativos, os modelos de Floresta Aleatória e Regressão Logística possuíram um bom resultado.</p><p><strong>9. Conclusão</strong></p><p>Através da análise dos dados de fraude e os modelos de algoritmo com as suas devidas métricas, concluiu -se:</p><ul><li>Através da biblioteca imblearn, foi realizado o balanceamento de dados principalmente das variáveis PCA.</li><li>As métricas F-Score, os modelos de regressão logística e Floresta Aleatória apresentaram 99%.</li><li>Em termos de acurácia, o modelo de arvore de decisão apresentou pior perfomance com 91%.</li><li>Através dos resultados da tabela, se fosse para escolher entre o classificador de <strong>floresta aleatória</strong> e <strong>regressão logística</strong>, neste caso, seria melhor a <strong>regressão logística</strong>, pela simplicidade do algoritmo e rapidez, isto revela uma menor variância e maior precisão e F-Score.</li></ul><p>Para mais detalhes do projeto, segue link do <a href="https://github.com/ladpedrino/Data-Science/blob/master/Detec%C3%A7%C3%A3o%20de%20Fraudes/%5BProjeto_Lucas%5D_Detec%C3%A7%C3%A3o_de_Fraude_em_Cart%C3%B5es_de_Cr%C3%A9dito.ipynb">projeto</a> e o meu <a href="https://github.com/ladpedrino">github</a> e segue meu <a href="https://www.linkedin.com/in/lucas-augusto-domeneghetti-pedrino/">Linkedin</a> para contato.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=444e1db14790" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Panorama da COVID-19 no mundo e Brasil]]></title>
            <link>https://lucas-augusto.medium.com/panorama-da-covid-19-no-mundo-e-brasil-992bee3bdae6?source=rss-50de16e9567f------2</link>
            <guid isPermaLink="false">https://medium.com/p/992bee3bdae6</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[covid19]]></category>
            <category><![CDATA[dashboard]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Lucas Augusto]]></dc:creator>
            <pubDate>Wed, 03 Mar 2021 20:37:27 GMT</pubDate>
            <atom:updated>2021-03-03T20:37:27.100Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-OOu10Or70jJU9SSAVRUDQ.jpeg" /><figcaption>CoronavÍrus by<a href="https://www.thejakartapost.com/life/2020/05/20/comics-and-cartoons-are-a-powerful-way-to-teach-kids-about-covid-19.html"> The Jakarta Post</a></figcaption></figure><p>Atualmente vivemos uma pandemia que vem alastrando o mundo inteiro pelo vírus Sars-Cov-2 , conhecido como COVID-19, na qual começou no mês de dezembro de 2019 no distrito de Wuhan na China.</p><p>Transmitido principalmente por meio de gotículas provenientes de tosses ou espirros de pessoas infectadas, a gravidade dos sintomas varia muito de pessoa para pessoa. Até o presente momento, temos cerca de 250 mil mortes e mais de 10 milhões de casos pelo vírus no Brasil.</p><p>Atualmente com a vacina pronta, esperamos que o Brasil possa receber mais doses e imunizar mais pessoas, afim de diminuir os casos e mortesdecorrentes.</p><p>Com o objetivo de elevar a consciência situacional a respeito do atual cenário da pandemia no Brasil, realizar uma análise sobre os dados públicos da doença.</p><h3>Obtenção dos Dados</h3><p>Os dados foram obtidos no <a href="https://github.com/owid/covid-19-data/tree/master/public/data">github</a> da <strong>Our World in Data</strong>.<br>O objetivo da <strong>Our World in Data</strong> é de proporcionar datasets e dashboards de diversos problemas que afrontam o mundo, como a pandemia, mudanças climáticas entre outras, afim de tornar acessível essa informação para as pessoas, caso tenham interesse pode ser acessado <a href="https://ourworldindata.org/">aqui</a>.</p><p>O repositório da covid19 é atualizado diariamente e inclui dados como confirmação de casos, mortes, vacinas de diversos países do mundo.</p><h3>Coletando os dados do COVID-19</h3><p>Conforme descrito acima, os dados se encontram no github no portal <strong>Our World in Data, </strong>caso encontre algum problema em baixar diretamente do repositório oficial, você pode usar <a href="https://raw.githubusercontent.com/ladpedrino/Data-Science/master/An%C3%A1lise%20Covid%2019/owid-covid-data.csv">este meu link</a> (atualizado até 02 de março de 2021).</p><p>A partir destes dados vamos tentar responder à algumas perguntas:</p><ul><li>Como está o número de casos e mortes no mundo?</li><li>Quais os países com maiores índices de casos e mortes?</li><li>Houve alguma curva de “achatamento” no gráfico para esses países com piores índices da COVID-19.</li><li>Qual a taxa de mortalidade por infecção?</li><li>Qual os países que mais pessoas vacinadas com todas as doses de acordo com o protocolo de vacinação?</li></ul><h3>Dicionários das variáveis</h3><p><em>O dicionário das variáveis é importante para saber cada função da coluna, descrição do nome de cada coluna em inglês, pode ser encontrada </em><a href="https://github.com/owid/covid-19-data/blob/master/public/data/owid-covid-codebook.csv"><em>neste link</em></a><em>.</em></p><ul><li>iso_code: Variável contém o código do país.</li><li>continent: Variável que contém o continente.</li><li>location: Variável que contém a localização geográfica.</li><li>date: Variável da data do dataframe.</li><li>total_cases: Variável com o total de casos.</li><li>new_cases: Variável com novos casos apresentados.</li><li>new_cases_smoothed: Variável com novos casos (corrigido 7 dias)</li><li>total_deaths: Variável contém total de mortes acumulativas.</li><li>new_deaths: Variável contém número de novas mortes.</li><li>new_deaths_smoothed:Variável contém número de novas mortes. (corrigido 7 dias).</li><li>total_cases_per_million: Variável contém o total de casos por milhão de habitantes.</li><li>new_cases_per_million: Variável contém novos casos por milhão de habitantes.</li><li>new_cases_smoothed_per_million: Variável contém novos casos por milhão de habitantes (corrigido 7 dias)</li><li>total_deaths_per_million: Variável contém o total de mortes por milhão.</li><li>new_deaths_per_million: Variável contém novas mortes por milhão.</li><li>new_deaths_smoothed_per_million: Variável novas mortes por milhão (corrigido 7 dias)</li><li>reproduction_rate: Variável contém a estimativa em tempo real da taxa efetiva de reprodução (R) do vírus covid-19.</li><li>icu_patients: Variável que contém o número de pacientes em UTI (Unidade de terapia intensiva) naquele dia.</li><li>icu_patients_per_million:Variável que contém o número de pacientes em UTI (Unidade de terapia intensiva) por milhão de habitantes.</li><li>hosp_patients: Variável que contém o número de pacientes em hospitais.</li><li>hosp_patients_per_million: Variável que contém o número de pacientes em hospitais por milhão.</li><li>weekly_icu_admissions: Variável que contém o número de pacientes em UTI (Unidade de terapia intensiva) em uma determinada semana.</li><li>weekly_icu_admissions_per_million: Variável que contém o número de pacientes em UTI (Unidade de terapia intensiva) por milhão de habitantes em uma determinada semana.</li><li>weekly_hosp_admission: Variável que contém o número de pacientes em hospitais em uma determinada semana.</li><li>weekly_hosp_admissions_per_million: Variável que contém o número de pacientes em hospitais em uma determinada semana.</li><li>total_tests: Variável que contém o número total de testes realizados para COVID19.</li><li>new_tests: Variável que contém o número de novos testes realizados para COVID19.</li><li>total_tests_per_thousand: Variável que contém total de testes realizados do COVID 19 .</li><li>new_tests_per_thousand: Variável que contém total de testes realizados do COVID 19 para cada mil pessoas.</li><li>new_tests_smoothed:Variável que contém total de testes realizados do COVID 19 (corrigido 7 dias)</li><li>new_tests_smoothed_per_thousand: Variável que contém total de testes realizados do COVID 19 para cada mil pessoas (corrigido 7 dias)</li><li>positive_rate: Variável que contém a parcela de testes COVID-19 que são positivos, dada como uma média contínua de 7 dias</li><li>tests_per_case: Variável que contém quantidade de testes conduzidos por novo caso confirmado de COVID-19, dado como uma média contínua de 7 dias (inverso de positivo_rate)</li><li>tests_units: Variável que contém quantidade unidades usadas pelo local para relatar seus dados de teste</li><li>total_vaccinations: Variável que contém o número total de doses de vacinação COVID-19 administradas</li><li>people_vaccinated: Variável que contém o número de pessoas vacinadas.</li><li>people_fully_vaccinated: Variável que contém o número total de pessoas que receberam o todas as doses prescritas pelo protocolo de vacinação.</li><li>new_vaccinations: Novas doses de vacinação COVID-19 administradas (calculadas apenas para dias consecutivos)</li><li>new_vaccinations_smoothed: Variável que contém o número de novas doses de vacinação COVID-19 administradas (calculadas apenas para dias consecutivos)</li><li>total_vaccinations_per_hundred: Variável que contém o número total de doses de vacinação COVID-19 administradas por 100 pessoas na população total</li><li>people_vaccinated_per_hundred: Variável que contém o número de pessoas vacinadas para cada mil habitantes..</li><li>people_fully_vaccinated_per_hundred: Variável que contém o número total de pessoas que receberam o todas as doses prescritas pelo protocolo de vacinação.</li><li>new_vaccinations_smoothed_per_million: Variável que contém o número de novas doses de vacinação COVID-19 administradas para cada um milhão de habitantes (calculadas apenas para dias consecutivos)</li><li>stringency_index: Variável que contém o índice de Restrição de Resposta do Governo: medida composta com base em 9 indicadores de resposta, incluindo fechamentos de escolas, fechamentos de locais de trabalho e proibições de viagens, redimensionado para um valor de 0 a 100 (100 = resposta mais estrita)</li><li>Population: Variável que contém o número de população do país.</li><li>population_density: Variável que contém o número de população dividida por área terrestre, medido em quilômetros quadrados.</li><li>median_age: Variável que contém a média de idade da população.</li><li>aged_65_older: Variável que contém a parcela da população com 65 anos ou mais.</li><li>aged_70_older: Variável que contém a parcela da população com 70 anos ou mais.</li><li>gdp_per_capita: Variável que contém o PIB (Produto Interno Bruto) .</li><li>extreme_poverty: Variável que contém a parcela da população que vive em pobreza extrema.</li><li>cardiovasc_death_rate: Variável que contém a taxa de mortalidade por doenças cardiovasculares (Número anual de mortes por 100.000 pessoas).</li><li>diabetes_prevalence: Variável que contém a prevalência de diabetes.</li><li>female_smokers: Variável que contém número de mulheres que fumam.</li><li>male_smokers: Variável que contém número de homens que fumam.</li><li>handwashing_facilities: Variável que contém a parcela da população que possui instalações basicas de lavagem em suas residências.</li><li>hospital_beds_per_thousand: Variável contém a quantidade de leitos hospitalares para cada mil pessoas.</li><li>life_expectancy: Variável que contém a expectativa de vida.</li><li>human_development_index: Variável que contém o desempenho de IDH (Índice de Desenvolvimento Humano).</li></ul><h3>Extração e análise Exploratória dos Dados</h3><p>Através do dataframe , vamos verificar os dados chaves, como está a situação da vacinas e buscar os países com maiores casos e mortes e apresentá-los em gráficos.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/fae2da0ca10e7b48e28e88695ad59fa0/href">https://medium.com/media/fae2da0ca10e7b48e28e88695ad59fa0/href</a></iframe><p>Após a criação da extração dos dados para o dataframe, vamos ver quantas entradas possui o dataframe.</p><pre>Dimensões do Dataset <br>Variáveis:  59 <br>Entradas:  72337</pre><p>Como o dataframe possui 59 variáveis (colunas), vamos analisar qual o percentual de valores ausentes para cada variável.</p><pre>weekly_icu_admissions                    99.008806<br>weekly_icu_admissions_per_million        99.008806<br>weekly_hosp_admissions                   98.365981<br>weekly_hosp_admissions_per_million       98.365981<br>people_fully_vaccinated                  97.586297<br>people_fully_vaccinated_per_hundred      97.586297<br>new_vaccinations                         96.349033<br>people_vaccinated                        96.339356<br>people_vaccinated_per_hundred            96.339356<br>total_vaccinations                       95.682707<br>total_vaccinations_per_hundred           95.682707<br>new_vaccinations_smoothed                93.635346<br>new_vaccinations_smoothed_per_million    93.635346<br>icu_patients                             89.475649<br>icu_patients_per_million                 89.475649<br>hosp_patients                            87.341195<br>hosp_patients_per_million                87.341195<br>total_tests                              54.783859<br>total_tests_per_thousand                 54.783859<br>new_tests                                54.570966<br>new_tests_per_thousand                   54.570966<br>handwashing_facilities                   53.824461<br>tests_per_case                           50.682223<br>positive_rate                            49.920511<br>new_tests_smoothed_per_thousand          48.210459<br>new_tests_smoothed                       48.210459<br>tests_units                              46.417463<br>extreme_poverty                          37.723433<br>male_smokers                             28.580118<br>female_smokers                           27.586159<br>reproduction_rate                        19.812821<br>hospital_beds_per_thousand               15.693214<br>total_deaths_per_million                 14.493275<br>new_deaths_per_million                   14.274852<br>stringency_index                         13.999751<br>total_deaths                             13.972103<br>new_deaths                               13.753681<br>aged_65_older                            10.124832<br>aged_70_older                             9.589836<br>median_age                                9.076959<br>gdp_per_capita                            8.822594<br>human_development_index                   8.012497<br>cardiovasc_death_rate                     7.975172<br>diabetes_prevalence                       6.829147<br>population_density                        6.577547<br>life_expectancy                           4.982236<br>continent                                 4.961500<br>new_cases_smoothed_per_million            3.309510<br>new_deaths_smoothed_per_million           3.309510<br>new_deaths_smoothed                       2.777279<br>new_cases_smoothed                        2.777279<br>new_cases_per_million                     1.932621<br>total_cases_per_million                   1.929856<br>new_cases                                 1.393478<br>total_cases                               1.390713<br>population                                0.551585<br>date                                      0.000000<br>location                                  0.000000<br>iso_code                                  0.000000<br>dtype: float64</pre><p>As maiores variáveis ausentes são de internações em UTI, entrada de hospitais, vacinações. Sobre as internações e entrada de hospitais, os órgãos de saúde dos respectivos países não realizaram o preenchimento para a base, sobre a vacinação sabemos que a administração das doses está ocorrendo recentemente por todo o mundo.</p><h4><strong>Top 5 Países com maiores casos</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/643/1*YwqVFP1BxqvSS81fKueN1Q.png" /><figcaption>5 países com maiores casos de Covid-19</figcaption></figure><p>De acordo com o gráfico de barras acima vemos os países com maiores casos, os países com maiores índices são:</p><ul><li><strong>Estados Unidos: </strong>28.721.261 casos</li><li><strong>Índia: </strong>11.139.516 casos</li><li><strong>Brasil:</strong> 10.646.929 casos</li><li><strong>Rússia: </strong>4.220.291 casos</li><li><strong>Reino Unido: </strong>4.200.700 casos</li></ul><h4>Top 5 Países com maiores mortes</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/631/1*PjtonIWbWANMospSZAIRAg.png" /><figcaption>5 países com maiores mortes de Covid-19</figcaption></figure><p>De acordo com o gráfico de barras acima vemos os países com maiores mortes, os países com maiores índices são:</p><ul><li><strong>Estados Unidos: </strong>516.581 mortes</li><li><strong>Brasil: </strong>257.361 mortes</li><li><strong>México:</strong> 187.187 mortes</li><li><strong>Índia: </strong>157.346 mortes</li><li><strong>Reino Unido: </strong>123.530 mortes</li></ul><p>Com os países com maiores mortes que são o <strong>Estados Unidos</strong>, <strong>Brasil</strong> <strong>México</strong>, <strong>Índia</strong>, <strong>Reino Unido</strong>, vamos criar um novo dataframe e analisar as <strong>mortes</strong> no período e a <strong>taxa de mortalidade</strong> para cada país.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3BI9ZCA1EayDPk82djlJyg.png" /><figcaption>Evolução das mortes de Covid-19</figcaption></figure><p>Através da análise do top 5 países com maiores mortes, o <strong>Estados Unidos</strong> e <strong>Brasil</strong> são os países com maiores mortes em maior parte do período, o país <strong>México</strong> vem enfrentando forte crescimento de mortes neste ano (2021) já chegando a ultrapassar o número de mortes da <strong>Índia</strong>, algo relevante é que em nenhum dos países teve um achatamento da curva por um longo período.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/303/1*ZquWOuZ0rkgcG9CpNVfNRw.jpeg" /><figcaption>Lava as mãos, Rex! by <a href="https://br.pinterest.com/pin/435512226470107663/">Pinterest</a></figcaption></figure><h4>Taxa de Mortalidade por infecção</h4><p>Através da fórmula :</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/523/0*Vq0XY8KR26dkYZrk.png" /></figure><p>Vamos calcular a <strong>taxa de mortalidade</strong> de cada país.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/9a35bb0b5bc54809ed6d21fa703b6741/href">https://medium.com/media/9a35bb0b5bc54809ed6d21fa703b6741/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PUUX6Ry1EIyODPGfBWT4WA.png" /><figcaption>Taxa de mortalidade de Covid-19</figcaption></figure><p>Através da análise da taxa de mortalidade por infecção dos cinco países, o México é o país com maior taxa de mortalidade, isso é devido ao tamanho populacional em relação ao Brasil, Estados Unidos e Índia. Já o Reino Unido, obteve uma diminuição drástica da taxa de mortalidade após o último trimestre de 2020, de acordo com este <a href="https://www.sproutwired.com/portuguese-immigration-to-the-uk-increased-in-the-last-quarter-of-2020/">site</a> de notícias, aumentou a imigração de português para o Reino Unido, assim, consequentemente aumentando a sua população.</p><h3>Análise Exploratória mundial</h3><p>Através do dataset, podemos filtrar a variável location, com a análise da soma de total de casos e mortes.</p><h4>Evolução do número de casos pelo mundo</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xXzuzq4_ZQeiWGn3XDLC-w.png" /><figcaption>Evolução de casos de Covid-19 no mundo</figcaption></figure><p>Através do gráfico de linha acima, percebe — se que não houve achatamento da curva e que atualmente temos mais de 100 milhões de casos.</p><h4>Evolução do número de mortes pelo mundo</h4><p>Vamos plotar um gráfico de linha de como está a evolução de mortes no mundo desde do primeiro dia.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jJp7QnEewREeE_FZVZxdoQ.png" /><figcaption>Evolução de mortes de Covid-19 no mundo</figcaption></figure><p>Através do gráfico de linha acima, percebe — se que não houve achatamento da curva, segue a mesma tendência de crescimento que em índice de casos e que atualmente temos mais de 2,5 milhões de mortes.</p><h3>Análise Exploratória da vacina</h3><p>Nesta análise vamos verificar quais os países que mais vacinaram e seus números. <br>Através da criação de um data frame vac, na qual selecionar variáveis e copiar do dataframe original, também será analisado a variável people_fully_vaccinated e people_fully_vaccinated_per_hundred, já que essas variáveis são contempladas a quantidade de pessoas que receberão todas as doses da vacina de acordo o protocolo de vacinação adotada pelos seus respectivos laboratórios.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/6122f620f6c60dc3e27fe01a5c009aea/href">https://medium.com/media/6122f620f6c60dc3e27fe01a5c009aea/href</a></iframe><p>Para a análise vamos considerar a data mais recente, 02 Março de 2021.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/6ce2b9fbc2fea576308b6dc6bb8163f7/href">https://medium.com/media/6ce2b9fbc2fea576308b6dc6bb8163f7/href</a></iframe><h4>Top 5 Países com pessoas mais vacinadas</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/643/1*RLVqtUrzk6ekrTYpH5eHbw.png" /><figcaption>Top 5 países com maior quantidade de pessoas vacinas</figcaption></figure><p>De acordo com o gráfico de barras acima vemos os países com que possuem maior quantidade de pessoas vacinadas, os países são:</p><ul><li><strong>Estados Unidos: </strong>26.162.122 pessoas vacinadas.</li><li><strong>Israel: </strong>3.503.607 casos pessoas vacinadas.</li><li><strong>Índia:</strong> 2.713.978 casos pessoas vacinadas.</li><li><strong>Alemanha: </strong>2.215.504 pessoas vacinadas.</li><li><strong>Brasil:</strong> 2.034.734 pessoas vacinadas.</li></ul><h4>Top 5 Países com pessoas mais vacinadas para cada cem habitantes</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/606/1*-3nlHhsR-izcumGMl0Z2BA.png" /><figcaption>Top 5 países</figcaption></figure><p>De acordo com o gráfico acima, os países que apresentaram maior quantidade de pessoas vacinadas para cada cem pessoas no dia 02 de Março, os países são:</p><ul><li><strong>Israel: </strong>40.48 pessoas vacinadas para cada cem pessoas.</li><li><strong>Isle of Man: </strong>9.06 pessoas vacinadas para cada cem pessoas.</li><li><strong>Estados Unidos:</strong> 7.82 pessoas vacinadas para cada cem pessoas.</li><li><strong>Sérvia: </strong>7.80 pessoas vacinadas para cada cem pessoas.</li><li><strong>Islândia: </strong>3.71 pessoas vacinadas para cada cem pessoas.</li></ul><h3>Análise Exploratória do Brasil</h3><p>Através do filtro da variável location , vamos realizar uma análise prévia com o Brasil, verificar os casos, mortes.</p><p>O primeiro caso de COVID-19 no Brasil foi no dia 26 de Fevereiro de 2020, dois meses após o primeiro caso na China. A primeira morte ocorreu dia 17 de março de 2020.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/4b9381dda9c6e5c45e90f4efd6557218/href">https://medium.com/media/4b9381dda9c6e5c45e90f4efd6557218/href</a></iframe><pre>date        location<br>2020-02-26  Brazil</pre><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/3b21e3f6a66795bed5a9dccbb8b073b1/href">https://medium.com/media/3b21e3f6a66795bed5a9dccbb8b073b1/href</a></iframe><pre>date        total_deaths<br>2020-03-17  1.0</pre><p>O país já teve um recorde diário de 87843 casos e 1986 mortes.</p><h4>Evolução de casos COVID-19 no Brasil</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FZxgw7w6TucxGMOjHKEC0A.png" /><figcaption>Casos Covid-19 Brasil</figcaption></figure><p>De acordo com o gráfico acima, não houve achatamento da curva e que atualmente temos mais de 10 milhões de casos.</p><h4>Evolução de mortes COVID-19 no Brasil</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ctrCcDx8b1Pj1VMgE2fcBQ.png" /></figure><p>De acordo com o gráfico acima, não houve achatamento da curva e que atualmente temos mais de 250 mil mortes.</p><h4>Novos casos confirmados COVID-19 no Brasil</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/910/1*CiA2K_iMW2JT6AgV5z9GlQ.png" /><figcaption>Novos casos confirmados no Brasil</figcaption></figure><p>Pelo gráfico de linha acima, desde de <strong>Julho de 2020</strong> vem aumentando novos casos e sempre variando durante os meses restantes, percebe — se que em <strong>Janeiro e Fevereiro de 2021</strong> foram os meses com maiores picos de casos.</p><h4>Proporção de número de casos em relação à população</h4><p>Vamos considerar o valor máximo das variáveis total_cases e population , conseguimos fazer um gráfico de waffle de proporção das duas variáveis no Brasil.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/467/1*EHdUkdgTknj8yQH4injQpQ.png" /><figcaption>Proporção casos x população</figcaption></figure><p>Neste caso se pegar o total da população brasileira e dividir em 144 “bonecos”, desse total, 7 “bonecos” são a quantidade total de casos da COVID-19.</p><h4>Correlação entre mortes e casos no Brasil.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/357/1*GKMZlSFlOOY59k7182I2CA.png" /><figcaption>Correlação entre novos casos e novas mortes</figcaption></figure><p>A correlação entre as variáveis new_cases e new_deaths no Brasil é de cerca de 0.84, quer dizer que há uma forte correlação entre eles.</p><h4>Conclusão</h4><p>Através da análise da covid 19 no mundo e no Brasil, concluiu — se que:</p><ul><li>O dataset possui 72337 entradas.</li><li>As variáveis weekly_icu_admissions,<br>weekly_icu_admissions_per_million,<br>weekly_hosp_admissions,<br>weekly_hosp_admissions_per_million,<br>people_fully_vaccinated,<br>people_fully_vaccinated_per_hundred e people_vaccinated são as que mais possuem valores ausentes.</li><li>Os países com maiores casos são: <strong>Estados Unidos</strong>, <strong>Índia</strong>, <strong>Brasil</strong>, <strong>Reino Unido</strong> e <strong>Russia</strong>.</li><li>Os países com maiores mortes são <strong>Estados Unidos</strong> e <strong>Brasil</strong>.</li><li>Atualmente mais de 100 milhões de casos de Covid-19.</li><li>Atualmente mais de 2,5 milhões de mortes de Covid19.</li><li><strong>Israel</strong> é o páis com maiores números de vacinas por centenas de pessoas com mais de 40 vacinas / centenas de pessoas.</li><li>A primeira morte no <strong>Brasil</strong> foi no dia 17 de Março 2020.</li><li>A correlação entre novas mortes e novos casos no Brasil são de 84%.</li></ul><p>Para mais detalhes do projeto, segue meu <a href="https://github.com/ladpedrino/Data-Science/blob/master/An%C3%A1lise%20Covid%2019/Panorama_do_COVID_19_no_Brasil.ipynb">github</a>, também segue meu <a href="https://www.linkedin.com/in/lucas-augusto-domeneghetti-pedrino/">Linkedin</a> para contato.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=992bee3bdae6" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise da violência no Rio de Janeiro]]></title>
            <link>https://lucas-augusto.medium.com/an%C3%A1lise-da-viol%C3%AAncia-no-rio-de-janeiro-2b66a348710?source=rss-50de16e9567f------2</link>
            <guid isPermaLink="false">https://medium.com/p/2b66a348710</guid>
            <category><![CDATA[rio-de-janeiro]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[python]]></category>
            <dc:creator><![CDATA[Lucas Augusto]]></dc:creator>
            <pubDate>Mon, 15 Feb 2021 19:06:10 GMT</pubDate>
            <atom:updated>2021-02-15T19:06:10.963Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ym49ojIvlFb31ZZmPYvXTg.jpeg" /><figcaption>Rio de Janeiro</figcaption></figure><p>O Rio de Janeiro (RJ) é um estado brasileiro localizado na região sudeste do Brasil, a sua capital Rio de Janeiro, conhecida como a cidade maravilhosa, constitui como um dos principais pontos turísticos do Brasil. Conhecida pelo visual deslumbrando do pão de açúcar, e lindas praias na costa.</p><p>Porém a cidade se destaca pelos altos índices de violência e criminalidade, na qual assustam os turstas e moradores.</p><p>Neste artigo, vamos analisar os dados de violência do Rio de Janeiro, na qual foi obtido da página de dados abertos do instituto de segurança pública do Rio de Janeiro.</p><h4><strong>Obtenção dos Dados</strong></h4><p>Os dados foram obtidos diretamente do portal <a href="http://www.ispdados.rj.gov.br/estatistica.html">ISPDados</a>, que é uma página de Dados Abertos do Instituto de Segurança Pública do Rio de Janeiro.</p><p>As estatísticas divulgadas no portal são construídas a partir dos Registros de Ocorrência (RO) lavrados nas delegacias de Polícia Civil do Estado do Rio de Janeiro, além de informações complementares de órgãos específicos da Polícia Militar do Estado do Rio de Janeiro.</p><p>Como forma de criar um controle de qualidade, antes de serem consolidados no ISP os RO são submetidos à Corregedoria Interna da Polícia Civil (COINPOL). As estatísticas produzidas baseiam-se na data em que foi confeccionado o Registro de Ocorrência.</p><p>No caso do <em>*dataset*</em> a ser utilizado aqui, o arquivo `csv` pode ser baixado diretamente do meu <a href="https://github.com/ladpedrino/DataSets">GitHub</a>.</p><h4>Extração e análise dos dados</h4><p>Para essa análise foi utilizado o dataset violencia_rio.csv, na qual possuí 56 variáveis e 344 entradas. As bibliotecas utilizadas foram o pandas, numpy e Matplotlib.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/3d50fe9e42efc30d12e83ca1144f4cc3/href">https://medium.com/media/3d50fe9e42efc30d12e83ca1144f4cc3/href</a></iframe><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/1c7dc5abe01ec578552a093812368ad6/href">https://medium.com/media/1c7dc5abe01ec578552a093812368ad6/href</a></iframe><p>Temos como pint. o tamanho das variáveis e entradas:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*llV9WK8P-nhSBEcsRbm6PA.png" /></figure><p>Verificando as cinco primeiras entradas.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/63182fe979d292990182f9da77e76357/href">https://medium.com/media/63182fe979d292990182f9da77e76357/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iSyRYBpx3R8i9kEq0P9PHw.png" /></figure><p>Através das cinco primeiras entradas, vemos que a variável vano e mes estão como duas variáveis, para melhor facilidade, criar uma nova variável date com as duas variáveis juntas.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/2c08e0002cf72c23c0b08ce95c43f4bc/href">https://medium.com/media/2c08e0002cf72c23c0b08ce95c43f4bc/href</a></iframe><p>As cinco primeiros entradas da variável date.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2zflNjI6xO1Ub73-yEwc-w.png" /></figure><p>Agora vamos analisar o percentual de varáveis com valores ausentes do dataset.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/8cb759774c6706e6a0a3bef370c9c23d/href">https://medium.com/media/8cb759774c6706e6a0a3bef370c9c23d/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/726/1*aDzRkyci52y6crX-nKshBg.png" /></figure><p>Conforme acima, as variáveis roubo_bicicleta e furto_bicicleta compõe 80% de valores ausentes. Não é recomendável excluir todas os valores, então vamos verificar o valor da mediana de uma das variáveis e substituir pelos valores ausentes.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/3090d04b5452898bbfe4c9c2a955e629/href">https://medium.com/media/3090d04b5452898bbfe4c9c2a955e629/href</a></iframe><h4>Informações Estatísticas da violência no Rio de Janeiro</h4><p>Após a análise do dataset e adicionar novas variáveis, o próximo passo é explorar a análises estatísticas da violência da cidade.</p><p>Para análise de dados estatísticos, como temos muitos valores ausentes, isso se deve por alguns crimes serem registrados na última, para isso, será analisado somente a última década, à partir do ano de 2009.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/cd82979f63e70c1c1287e4587b125b02/href">https://medium.com/media/cd82979f63e70c1c1287e4587b125b02/href</a></iframe><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/88c99d6b454adabbeb0f9ba3bec9644a/href">https://medium.com/media/88c99d6b454adabbeb0f9ba3bec9644a/href</a></iframe><p><strong>Roubo, furto e recuperação de veículos.</strong></p><p>O dataset possuí as variáveis de roubo, furto e recuperação de veículos, com esses dados conseguimos estimar o percentual de veículos recuperados.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/8b6a8061f3b5268473c6f7a6eefd69cd/href">https://medium.com/media/8b6a8061f3b5268473c6f7a6eefd69cd/href</a></iframe><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/c3423da850c5f099b0b9bbf61aba6f45/href">https://medium.com/media/c3423da850c5f099b0b9bbf61aba6f45/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*x0Dndz70kA5t0SafkDBAIQ.png" /></figure><p>Além da análise acima, também temos a variável de recuperação de veículos, de acordo com a análise dessas três variáveis, vemos que:</p><ul><li>A média de perda de veículos por mês é de 4186.</li><li>Ao mês são recuperados em média 2051 veículos por mês.</li><li>O percentual de veículos recuperados é de 49%.</li></ul><p><strong>Crimes contra a vida</strong></p><p>Agora, vamos identificar, qual foi o mínimo e o máximo para a variável hom_doloso ao longo do período.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/ae22fed69bea9b6c69c0f3f264674f37/href">https://medium.com/media/ae22fed69bea9b6c69c0f3f264674f37/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dfzLji1IrEBh-opB6wVhcQ.png" /></figure><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/b77dcd3a4f95ed8d469efe482cb710e2/href">https://medium.com/media/b77dcd3a4f95ed8d469efe482cb710e2/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2kPXqyNeMwy7Eu5XI1CE4w.png" /></figure><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/bf0206f79a7281c0e525274eac90e4c0/href">https://medium.com/media/bf0206f79a7281c0e525274eac90e4c0/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*o-UHp-cqLbVcJa3YN8qOHg.png" /></figure><p>Através da análise de homícidios vimos que:</p><ul><li>O mês e ano que teve maior homícidio doloso foi em janeiro de 2009.</li><li>A média de homícidio foi de 396 por mês.</li></ul><p><strong>Roubo de banco e caixas eletrônicos</strong></p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/8affe6ed64266ef77dcbceadcc73c554/href">https://medium.com/media/8affe6ed64266ef77dcbceadcc73c554/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SPiKFiExGWoszUbIhC9nEQ.png" /></figure><p>Através da análise das variáveis de roubo_banco e furto_bancoao longo do período.</p><ul><li>A média de roubo de caixas eletrônicos é muito maior com 3 roubos por mês.</li></ul><h4>Visualização de dados</h4><p>Através do dataset vamos analisar os dados através de gráficos.</p><p><strong>Homicídio Doloso</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/705/1*X7_SlZ-jvToMSicN83Kxlg.png" /></figure><p>Através do gráfico acima, concluímos que:</p><ul><li>Em 30 meses, houve de à 350 à 400 homicídios registrados ao longo do período.</li></ul><p><strong>Roubos coletivos</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/722/1*THAmoLzl4ZB7Q_gJ4dpMRg.png" /></figure><p>Através do gráfico acima, concluímos que:</p><ul><li>O roubo coletivo está aumentando nos últimos anos.</li></ul><p><strong>Roubos em bancos e caixas eletrônicos</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/710/1*wHeuklE73JWlJBq6RUxE5g.png" /></figure><p>Através do gráfico acima, concluímos que:</p><ul><li>O roubo de caixas eletrônicos foi superior ao roubo de bancos durante os anos.</li></ul><p><strong>Roubos e recuperação de veículos</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/722/1*sIy4H3SVdyhUgcYt7QKkQg.png" /></figure><p>Através do gráfico acima, concluímos que:</p><ul><li>As linhas de roubos e recuperação de veículos, estão similares, quer dizer, se um determinado mês teve maior roubos, consequentemente teve maior recuperação de veículos.</li></ul><p><strong>Roubos de celulares</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/722/1*yp-qufjTkNyGzLFVav1XjQ.png" /></figure><p>Através do gráfico acima, concluímos que:</p><ul><li>Nos últimos anos o roubo de celulares vem disparando, isto é devido ao alto consumo do aparelho e a facilidade de roubo do mesmo.</li></ul><h4>Conclusão</h4><p>A partir das análises, podemos concluir que:</p><ul><li>O dataset possui várias variáveis que estão com valores ausentes.</li><li>A recuperação de veículos roubados é de 49%.</li><li>A média de homicídios doloso é de 396 por mês.</li><li>O roubo coletivo vem aumentando durantes os últimos anos.</li><li>O roubo de bancos e caixas eletrônicos estão diminuindo nos últimos anos.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2b66a348710" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise de Dados do Airbnb em Nova York]]></title>
            <link>https://lucas-augusto.medium.com/an%C3%A1lise-de-dados-do-airbnb-em-nova-york-9e20c7c952cf?source=rss-50de16e9567f------2</link>
            <guid isPermaLink="false">https://medium.com/p/9e20c7c952cf</guid>
            <category><![CDATA[airbnb]]></category>
            <category><![CDATA[new-york-city]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Lucas Augusto]]></dc:creator>
            <pubDate>Mon, 08 Feb 2021 18:05:59 GMT</pubDate>
            <atom:updated>2021-02-08T18:05:59.964Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/997/1*8Zz18eO-oIGQwZIAESgWJg.jpeg" /></figure><p>Nova York é uma das principais cidades do Estados Unidos, como codinome de Big Apple, possui diversos prédios espalhados pela cidade, porém com a natureza deslumbrante dentro da cidade que é o Central Park, na qual possui uma área de 3,41 Km², a cidade que nunca dorme, é a cidade mais populosa do país, possui diversas atrações como o Empire State, Times Square, museu de história nacional, entre outros, a cidade possui 5 distritos: Manhattan, The Bronx, Brooklyn, Queens e Staten Island.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*lHKHW8dDAb0_-XrkiDK1sA.jpeg" /></figure><p>A Startup <a href="https://www.airbnb.com.br/">Airbnb</a>, fundada em 2008, já é considerado como o maior empresa hoteleira da atualidade. Conectando pessoas que querem viajar (e se hospedar) com anfitriões que querem alugar seus imóveis de maneira prática, o Airbnb fornece uma plataforma inovadora para tornar essa hospedagem alternativa.</p><p>Uma das iniciativas do Airbnb é disponibilizar dados do site, para algumas das principais cidades do mundo. Por meio do portal <a href="http://insideairbnb.com/get-the-data.html">Inside Airbnb</a>, é possível baixar uma grande quantidade de dados para desenvolver projetos e soluções de Data Science</p><p>Neste notebook, iremos analisar os dados referentes à cidade Nova York, e ver quais insights podem ser extraídos a partir de dados brutos.</p><h4>Extração dos dados e análise</h4><p>Para essa análise, foi utilizado o arquivo listings.csv, na qual possuí 36923 entradas e 16 variáveis (colunas). Para a importação dos dados e análise foi utilizado a biblioteca pandas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*72C4NBLKXU7qYySWPRBuvQ.png" /></figure><p><strong>Dicionário das variáveis</strong></p><ul><li>id - número de id do imóvel</li><li>name - nome da propriedade</li><li>host_id- número de id do proprietário (anfitrião)</li><li>host_name- nome do proprietário (anfitrião)</li><li>neighbourhood_group- grupo do bairro</li><li>neighbourhood- bairro do imóvel</li><li>latitude- coordenada da latitude da propriedade</li><li>longitude- coordenada da longitude da propriedade</li><li>room_type- tipo de quarto</li><li>price- preço do aluguel</li><li>minimum_nights- quantidade mínima de noites para reservar</li><li>number_of_reviews- número de reviews</li><li>last_review- última data do review</li><li>reviews_per_month- reviews por mês</li><li>calculated_host_listings_count- quantidade de imóveis do mesmo anfitrião</li><li>availability_365- número de dias de disponibilidade dentro de 365 dias.</li></ul><p>Através da análise, verificou que as variáveisreviews_per_month e last_review possuem valores nulos em 25% das linhas. As variáveis name e host_name têm aproximadamente 0,02% dos valores nulos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*j-eGkb7g-uN6IjFObkj1yA.png" /></figure><p>Após a análise dos valores nulos, outro fato importante é analisar os outliers nos dados.</p><p><em>Outliers</em> são dados que se diferenciam drasticamente de todos os outros, são pontos fora da curva. Em outras palavras, um <em>outlier</em> é um valor que foge da normalidade e que pode (e provavelmente irá) causar anomalias nos resultados obtidos por meio de algoritmos e sistemas de análise.</p><p>Utilizando o método describe(), verifica que a variável price possui 75% do valor abaixo de 160 e seu valor máximo é 10000, o valor da variável minimum_nights está acima de 365 noites, chegando ao valor máximo de 1250 e A quantidade de reviews per month, possui valor máximo de 37.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rdphFQ27fq279ZtEEw_pbg.png" /></figure><p>Para verificar o porcentual de outliers em cada variável, utiliza — se o método boxplot, uma ferramenta gráfica para representar a variação de dados observados de uma variável numérica por meio de quartis, abaixo possui o boxplot para as minimum_nights, reviews per month e price.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/941/1*kXvayAQM0mUHb1ArtgTAMw.png" /><figcaption>Boxplot da variável minimum_nights</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/955/1*c0MZZWE9sng-Mg9nWSgk2g.png" /><figcaption>Boxplot da variável reviews_per_month</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/883/1*f5iX9I3rCACJVqFOfrc-UA.png" /><figcaption>Boxplot da variável price</figcaption></figure><p><strong>Correlação entre as variáveis</strong></p><p>Correlação significa que existe uma relação entre duas coisas. No nosso contexto, estamos buscando relação ou semelhança entre duas variáveis. Essa relação pode ser medida, e é função do coeficiente de correlação estabelecer qual a intensidade dela. Para identificar a correlação cria a matriz de correlação e um “heatmap” à partir dessa matriz utilizando a biblioteca “seaborn”.<br>A maior correlação entre as variáveis são entre reviews per month e numbers_of_view, aproximadamente 70%.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mCRWgZ8lWYMXTtiYj55Fig.png" /><figcaption>Display da matriz de correlação</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/510/1*oj9D2UNERgw5HqNBNejViQ.png" /><figcaption>Heatmap a partir das correlações</figcaption></figure><p><strong>Análise dos dados</strong></p><p>Agora que analisamos a correlação, vamos analisar os dados do dataframe do Airbnb, a primeira análise é a média de preço do aluguel diário, utilizando a função “mean” para a variável price, o resultado demonstra o preço de US$ 145,92.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ic7qCx3szzOARNBCSimDTg.png" /></figure><p>Quem já alugou no Airbnb, sabe que possui opções de aluguel de casa/apartamento inteiro, apenas o aluguel de um quarto ou aluguel de quartos compartilhados com outras pessoas, a variável room_type demonstra o tipo de alocação, através da função value_counts() ,chegamos a quantidade de cada tipo de imóvel disponível.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kh120rVmlVrzobVan9EyKQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Kgo0sZ-OQ3tZQdogHbxF2w.png" /></figure><p>O tipo de locação casa/apartamento privado compõe 52% dos imóveis disponíveis, quarto privado compõe 44% dos imóveis.</p><p>Para chegar ao valor de imóveis com preço médio de diária por bairro, utiliza a função groupby() que permite comprar os bairros (neighbourhood ) a partir do preço de locação.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EISjuMEavnppgwMPFUghYA.png" /></figure><p>Outro contexto interessante que pode ser analisado neste dataframe, é os valores por distrito, que são denominados como boroughs, no <a href="https://www.nycgo.com/neighborhoods-boroughs/about-nyc-five-boroughs/">guia oficial</a> de nova york explica os cinco distritos da cidade, a variável do dataframe é o neighbourhood_group. A seguir, vamos ver a quantidade de imóveis por distrito e seus respectivos preços.</p><p>O distrito de Manhattan é considerado o distrito mais caro, com um preço de US$165,00 a diária, a região possui os maiores atrativos da cidade, como o museu de arte metropolitano de arte, Central Park, além de escolas privadas e a universidade de nova york.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nS7QPB2_-7ceZdtBXmoeKw.png" /><figcaption>Quantidade de imóveis por distrito</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XZzaXmwk0Wi5XtiHsc8d9w.png" /><figcaption>Média do valor do aluguel diário por distrito</figcaption></figure><p>Através da função plot, vamos plotar um gráfico geográfico com as coordenadas geográficas (latitude e longitude) onde demonstra a escala do preço do aluguel diário, assim, os pontos vermelhos são os imóveis com alugueis mais caros.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/948/1*fl_JbKfIu3mBAtI1oUAAxg.png" /></figure><p>De acordo com a plotagem e a interpretação da localização dos distritos pelo mapa, as maiores concentrações estão nos distritos de Manhattan e Brooklyn.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ryu8Kbu1Wm6k_e7BYcuf7w.png" /></figure><h4>Conclusão</h4><p>Através da análise dos dados de Airbnb da cidade querida de Nova York, concluiu — se que:</p><ul><li>O dataset possui 36923 entradas.</li><li>A variável price possui valor máximo é 10000.</li><li>As variáveis price, minimium_nights e reviews_per_month possuem outliers.</li><li>As variáveis reviews_per_month e number_of_reviews possuem aproximadamente 70% de correlação.</li><li>A média do preço do aluguel diário é de US$145,92.</li><li>O tipo de locação casa/apartamento privado compõe 52% dos imóveis.</li><li>O bairro Fort Wadsworth é o bairro mais caro, porém possue somente um imóvel no Airbnb.</li><li>Os distritos que possuem maior quantidade de imóveis são o distrito de Manhattan e Brooklyn.</li></ul><p>Caso queira ver o projeto, segue o <a href="https://github.com/ladpedrino">github</a> e meu perfil no <a href="https://www.linkedin.com/in/lucas-augusto-domeneghetti-pedrino/">Linkedin</a>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9e20c7c952cf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Data Visualization with Tableau]]></title>
            <link>https://medium.com/data-visualization-tableau/data-visualization-with-tableau-79ac415811ff?source=rss-50de16e9567f------2</link>
            <guid isPermaLink="false">https://medium.com/p/79ac415811ff</guid>
            <dc:creator><![CDATA[Lucas Augusto]]></dc:creator>
            <pubDate>Fri, 05 Oct 2018 19:26:09 GMT</pubDate>
            <atom:updated>2018-10-05T19:26:09.194Z</atom:updated>
            <content:encoded><![CDATA[<h4>Boston Marathon</h4><p>A maratona é uma das grandes conquistas que um corredor amador consegue alcançar, com seus 42, 195km de distância, o atleta treina muitas e muitas vezes para conseguir alcançar o objetivo. Hoje muitos atletas sonham em correr a Maratona de Boston, a segunda maratona mais antiga do mundo, atrás somente da maratona olímpica disputada em 1896, porém para alcançar o feito não é somente se inscrever na maratona, precisa possuir um índice de tempo estabelecido pela organização, recentemente a Boston Athletic Association, publicou os <a href="https://www.baa.org/2019-boston-marathon-qualifier-acceptances">índices</a> para a Maratona de 2019, mas vamos falar sobre os dados da Maratona.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/1*umIv_of73Q4PzjMcE6cS-A.gif" /></figure><h3><strong>DataSet</strong></h3><p>Através do dataset em formato de planilha, contém o conjunto dos competidores da maratona de Boston entre 2015 e 2017, os campos: nomes dos corredores, faixa etária, gênero e colocação foram os mais explorados para a construção gráfica.</p><h3>Construção Gráfica</h3><p>A planilha de trabalho abaixo, demonstra a quantidade total de corredores em cada ano através de um gráfico em barras, em média são 13.273 competidores ao ano.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qdyhX2qzTiOFh48VQ-CYAg.gif" /><figcaption>Corredores por gênero</figcaption></figure><p>Já que sabemos a quantidade total por gênero à cada ano, é importante verificar qual é a idade que possui maior número de participantes da corrida, o gráfico em área com intercalação entre os dois eixos, demonstra a maior concentração são para corredores entre 35 e 45 anos, isto para os três anos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TmpJKVOVOG4Xvj-FPzJx4w.gif" /><figcaption>Corredores por idade</figcaption></figure><p>Os cem primeiros colocados para os corredores feminino e masculino, demonstra através do gráfico de área, que os corredores de faixa etária entre 26 e 30 são os corredores que mais ganharam nos três anos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Eabm6JEAeZsJrPyrBBs23Q.gif" /><figcaption>Top 100</figcaption></figure><h3>Dashboard</h3><p>Com os três gráficos e mais o gráfico sobre o pace de cada corredor, foi adicionado junto para formar o dashboard, que está logo aqui abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XtwHF4jVDIkWCKwqD8-Q3Q.gif" /></figure><p>Caso queira ver o projeto em Tableau, segue meu <a href="https://github.com/ladpedrino">github</a>, se gostou é só bater palmas!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=79ac415811ff" width="1" height="1" alt=""><hr><p><a href="https://medium.com/data-visualization-tableau/data-visualization-with-tableau-79ac415811ff">Data Visualization with Tableau</a> was originally published in <a href="https://medium.com/data-visualization-tableau">Data Visualization Tableau</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>