Pré-projeto AmazonPrime

exercicios/para-casa/Francitelma/README.md

@@ -0,0 +1,265 @@
+# Projeto Guiado II
+
+
+## Descrição
+
+
+Este é um pré projeto realizado como atividade de casa da décima terceira semana do curso de Python: análise de dados, solicitado pela professora Stefany Gracy da parte de Projeto Guiado II
+
+O projeto faz uso do dataset Amazon Prime Userbase Dataset, retirado do site [Kaggle](https://www.kaggle.com/) para análise. 
+
+O conjunto de dados do Amazon Prime contém informações sobre 2.500 usuários fictícios do serviço de assinatura. Cada registro inclui detalhes como nome do usuário, endereço de e-mail, localização, plano de assinatura, informações de pagamento e métricas de engajamento. Além disso, estão disponíveis dados demográficos, como gênero e data de nascimento, além de preferências pessoais, como gêneros favoritos e dispositivos utilizados para acessar a plataforma.
+
+Esse conjunto de dados foi criado para refletir uma ampla diversidade de usuários Prime, abrangendo diferentes perfis demográficos, tipos de assinatura e padrões de uso. Ele é ideal para análises que buscam identificar comportamentos, preferências e interações dos usuários com a plataforma Amazon Prime. Essas informações podem ser usadas  identificar tendências, criar campanhas de marketing direcionadas e melhorar a experiência do usuário na plataforma.
+
+Vale ressaltar que este conjunto de dados é composto por informações fictícias, geradas exclusivamente para fins ilustrativos, e não representa usuários reais do Amazon Prime.
+
+
+## Implementação
+
+
+O primeiro passo foi baixar todas a bibliotecas usadas para o projeto.
+
+```
+import pandas as pd
+import matplotlib.pyplot as plt 
+from scipy.stats import ttest_ind
+import seaborn as sns
+from datetime import datetime
+import plotly.express as px
+import numpy as np
+```
+Logo em seguida, foi realizada uma ETL, coletando-se os dados do arquivo .csv já baixado na máquina. Apos essa primeira etapa, foi realizado o processo de verificação e  transformação de dados para que pudessem atender aos requisitos de qualidade e estrutura necesários para análise.
+```
+nulos_por_linhas = df.isnull().sum(axis=1)  
+print(nulos_por_linhas)
+```
+df = df.drop_duplicates()
+```
+def visualizar_as_duplicadas(df):  
+    duplicados = df[df.duplicated(keep=False)]
+
+    return duplicados
+
+linhas_duplicadas = visualizar_as_duplicadas(df)
+print (linhas_duplicadas)
+```
+Após a verificação de dados nulos e duplicados, foi excluída a coluna de "Engagement Metrics" para fins didáticos e renomeadas todas as colunas restantes para o idioma português.
+```
+df = df.drop(columns=["Engagement Metrics"])
+```
+df.rename(columns={              
+    'User ID': 'ID Cliente',
+    'Name':'Nome', 
+    'Email Address':'Email', 
+    'Username': 'Usuario', 
+    'Date of Birth':'Data de aniversario',
+    'Gender':'Genero', 
+    'Location':'Localização', 
+    'Membership Start Date':'Inicio da associação', 
+    'Membership End Date':'Fim da associação',
+    'Subscription Plan':'Plano de assinatura', 
+    'Payment Information':'Informações de pagamento', 
+    'Renewal Status':'Status de renovação',
+    'Usage Frequency':'Frequencia de uso', 
+    'Purchase History':'Historico de compras', 
+    'Favorite Genres':'Genero favorito',
+    'Devices Used':'Dispositivos usados',  
+    'Feedback/Ratings':'Feedbacks/Classificações',
+    'Customer Support Interactions':'Interações de suporte ao cliente'
+}, inplace=True)
+```
+Depois de feita toda limpeza de dados foi criado um novo dataframe.
+```
+df.to_csv("amazonprime_tratado.csv",index=False)
+```
+## Analise
+
+O primeiro questionamento analisado foi a sexagem dos usuários do streaming e após a descoberta, feito um grafico do tipo pizza para representar a divisão.
+
+#Qual a divisão de usuários por gênero no streaming?
+
+##contagem de usuários
+```
+contagem_genero = df["Genero"].value_counts()
+```
+##criação do grafico
+```
+contagem_genero.plot(
+    kind='pie',
+    autopct='%1.1f%%',
+    colors=['#1f77b4', '#ff7f0e'],
+    wedgeprops={'edgecolor': 'black'},
+    title='Usuários por gênero'
+)
+plt.show()
+``` 
+O segundo questionamento foi sobre o gosto desses usuários. Quais os cinco gêneros de filmes/séries se destacavam entre as coleções. Em seguida, foi feita a criação de um gráfico de barras com os tipos e quantidades (através do comando 'for') de usuários que escolheram determinado gênero.
+
+#Qual o genero favorito entre os usuários?
+
+##contagem do tipo de generos
+```
+genero_favorito = df["Genero favorito"].value_counts().nlargest(5) 
+```
+##criação do grafico
+```
+genero_favorito.plot(kind="bar", edgecolor="black", color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2'])
+
+for index, value in enumerate(genero_favorito):
+    plt.text(index, value + 2.5, str(value), ha='center')
+
+plt.xlabel("Genero favorito")
+plt.ylabel("Quantidade")
+plt.title("Divisão por gênero favorito")
+plt.show()
+```
+A terceira indagação analisada foi a divisão de genero preferido entre os sexos e a comparação entre eles.
+
+#Qual a divisão de genero favorito por sexagem e comparação entre eles.
+
+##Contagem de valores por genero do sexo masculino. 
+
+```nota_feminina = df[df['Genero'] == 'Female']['Genero favorito'].value_counts().reset_index() 
+nota_masculina = df[df['Genero'] =='Male']['Genero favorito'].value_counts().reset_index() 
+
+print(nota_masculina)```
+
+##Contagem de valores por genero do sexo feminino.  
+
+```nota_feminina = df[df['Genero'] == 'Female']['Genero favorito'].value_counts().reset_index() 
+nota_masculina = df[df['Genero'] =='Male']['Genero favorito'].value_counts().reset_index() 
+
+print(nota_feminina)```
+
+Fazendo a comparação através do gráfico em formato de histograma, das quantidades por genero, entre os sexos masculino e feminino: 
+```
+fig = px.histogram(df, x ='Genero favorito', 
+                   color='Genero',
+                   barmode='group')
+
+counts = df.groupby(['Genero favorito', 'Genero']).size().reset_index(name='Count')
+
+
+fig.update_layout(
+    title='Categoria por Genero',
+    xaxis_title='Genero favorito',
+    yaxis_title='Total',
+    font={'color':'Black', 'size':12,'family':'Courrier New'}
+    )
+fig.show()
+```
+Em seguida, foi criada uma nova coluna com a idade dos usuários da plataforma, para posteriormente ser criado um gráfico que mostrasse qual faixa etária se destacava.
+
+#Qual a distribuição de usuários por idade?
+
+##Descobrindo a idade dos usuários.
+```
+df['Data de aniversario'] = pd.to_datetime(df['Data de aniversario'])
+df['Idade'] = 2024 - df['Data de aniversario'].dt.year
+
+df[['Data de aniversario', 'Idade']].head()
+```
+##Criação do gráfico
+```
+plt.figure(figsize=(8, 6))
+plt.hist(df['Idade'], bins=30, edgecolor='black') 
+plt.title('Distribuição por Idades')
+plt.xlabel('Idade')
+plt.ylabel('Frequência')
+plt.show()
+```
+Logo em seguida foi feito um teste de hipoteses para analisar se os feedbacks com notas altas tinha alguma relação com o sexo feminino.
+
+# Teste de relação sexo feminino e feedbacks com notas altas     
+
+Hipotese Nula HO: A média das notas dadas por mulheres é MAIOR ou igual à média das notas dadas por homens.
+Hipotese Alternativa H1:  A média das notas dadas por mulheres é MENOR que a média das notas dadas por homens.
+
+#Amostragem
+Todas as notas de feedbacks dadas pelo sexo feminino e masculino.
+```
+nota_feminina = df[df['Genero'] == 'Female']['Feedbacks/Classificações']
+nota_masculina = df[df['Genero'] =='Male']['Feedbacks/Classificações']
+```
+# Teste t
+```
+estatistica_t, valor_p = ttest_ind(nota_feminina, nota_masculina)
+print("Teste T de notas por gênero")
+print(f"Estatística T : {estatistica_t}") 
+print(f"Valor P: {valor_p}") 
+```
+##criação do gráfico (mostrará um histograma de notas femininas e masculinas e a quantidade de usuários que deram tal nota no feedback, sobrepondo-se para melhor analise visual)
+```
+sns.histplot(nota_feminina, color= 'red', label ='Feedback Feminino', kde=True, bins= 20)
+sns.histplot(nota_masculina, color = 'lightblue', label = 'Feedback Masculino', kde=True, bins= 20)
+```
+#rotulos
+plt.legend()
+plt.title(" Feedbacks por gênero")
+plt.xlabel("Feedbacks")
+plt.ylabel("Quantidade de usuários")
+plt.show()
+
+#interpretação
+if valor_p < 0.05:
+    print("Rejeitamos a hipótese nula")
+else:
+    print("Não rejeitamos a hipótese nula") #diferença observada nas médias pode ser devido ao acaso
+
+Para provar o que mostra o gráfico, foi tirada uma média das notas, pra ver se bate com o resultado do teste de hipotese.  
+```
+media_feedback_por_genero = df.groupby('Genero')['Feedbacks/Classificações'].mean()
+print(media_feedback_por_genero)
+```
+Para finalizar foi criado um dataframe de amostragem com 100 usuários para saber quantos desses deram determinada nota ao serviço.
+```
+amostragem_df = df.sample(100)
+amostragem_df.head(3)
+```
+Pela biblioteca pandas, foi criado um codigo para analisar e organizar os dados com essas notas e seu respectivo numero de usuários.
+
+#pandas 
+```
+avaliação = amostragem_df['Feedbacks/Classificações'].value_counts().reset_index()    #reset_index = deixar como tabela
+avaliação.columns =['Avaliação do streaming','Usuários']
+print(avaliação)
+```
+Por ultimo, foi feito um backup de todo documento.
+```
+df_backup = df.copy() #backup 
+```
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+