Logo do curso
Curso

Pandas:

analisar e preparar dados para decisões de negócio

Quero estudar na alura

12h

Para conclusão

108

Pessoas nesse curso

8.9

Avaliação média

Certificado

De participação

Introdução_

O que você aprenderá_

  • Importe e inspecione bases de dados em formatos como CSV e Excel, identificando problemas de qualidade.
  • Estruture e manipule Series e DataFrames para organizar e representar a informação relevante.
  • Filtre e selecione subconjuntos de dados usando critérios lógicos e métodos apropriados.
  • Detecte e trate valores nulos, duplicados e inconsistências, padronizando tipos e formatos.
  • Aplique agregações, groupby e cruzamentos para gerar métricas que respondam às perguntas do negócio.
  • Crie visualizações claras e interpretáveis que comuniquem insights e sustentem decisões.

Público alvo_

Profissionais, analistas, estudantes e entusiastas de dados que desejam dominar a biblioteca pandas para limpar, transformar, agregar e visualizar bases em CSV e Excel, aplicando técnicas úteis para resolver um case de negócio real.

Cami Quixabeira

Cami Quixabeira

github

linkedin

Sou Engenheira de Dados e Tech Lead de um time de dados, com ampla experiência no desenvolvimento de soluções escaláveis orientadas a dados. Ao longo da minha trajetória, liderei e contribui para projetos em ambientes corporativos complexos, com foco em Engenharia de Dados e Analytics, Automação, Governança e uso de IA aplicada para resolver problemas reais de negócio.

Curso atualizado em 21/07/2026

Ementa

  1. Conhecendo o Pandas

    • Apresentação
    • Apresentando o problema de dados
    • Preparando o ambiente
    • Preparando o ambiente de análise
    • Entendendo as estruturas do Pandas
    • Organizando dados de filmes no Cinetopia
    • Para saber mais: Pandas na análise de dados
    • Prática - Conferindo uma amostra de cadastros
    • O que aprendemos?
  2. Lendo dados de diferentes fontes

    • Carregando o dataset principal
    • Lidando com problemas reais de leitura
    • Personalização de conteúdo com encoding correto
    • Carregando a base complementar em Excel
    • Sincronizando dados de exibição de filmes
    • Para saber mais: leitura de dados no Pandas
    • O que aprendemos?
  3. Inspecionando a estrutura dos dados

    • Explorando visualmente a base
    • Entendendo a estrutura do dataframe
    • Analisando tipos de dados
    • Investigando valores nulos
    • Identificando duplicidades e inconsistências categóricas
    • Para saber mais: inconsistências e métricas
    • Prático - Auditoria de qualidade
    • Amostragem aleatória para otimizar entregas
    • O que aprendemos?
  4. Limpando dados nulos e duplicados

    • Definindo a estratégia de limpeza de dados
    • Tratando valores nulos
    • Removendo duplicidades
    • Padronizando inconsistências textuais
    • Para saber mais: outliers e duplicatas
    • Estratégias de limpeza de dados para personalização de conteúdo
    • Prático - Limpeza completa de uma base
    • O que aprendemos?
  5. Padronizando tipos e textos dos dados

    • Convertendo valores numéricos
    • Padronizando datas
    • Padronizando nomes de colunas
    • Validando a base tipada
    • Para saber mais: conversão segura de tipos
    • Prático - Convertendo dados financeiros
    • Padronização de dados de avaliação de filmes no Cinetopia
    • O que aprendemos?
  6. Selecionando e filtrando dados

    • Acessando dados do dataframe
    • Filtrando com condições
    • Selecionando grupos com isin()
    • Escrevendo consultas mais legiveis com .query()
    • Para saber mais: filtros e seleção de dados
    • Prático - Segmentação de clientes
    • Gerenciamento de índices em consultas de dados bancários
    • Seleção de livros por intervalo de posições
    • Segmentação de clientes na plataforma Zoop
    • O que aprendemos?
  7. Agrupando dados e gerando métricas

    • Agrupando por categorias
    • Criando agregações com agg
    • Analisando proporções e distribuição
    • Para saber mais: normalize no crosstab
    • Gerenciamento de recursos na Clínica Médica Voll
    • Otimizando a retenção de usuários na HomeHub
    • Prático - Relatório de performance por segmento
    • O que aprendemos?
  8. Unindo diferentes bases de dados

    • Comprendendo chaves e relações entre tabelas
    • Realizando junções entre bases com merge
    • Comparando diferentes tipos de join
    • Consolidando a base e respondendo perguntas cruzadas
    • Para saber mais: tipos de join
    • Identificando clientes inativos na Meteora
    • Otimizando a correspondência de freelancers na Freelando
    • Prático - Integrando dados para análise cruzada
    • O que aprendemos?
  9. Trabalhando com datas e variáveis analíticas

    • Extraindo informações temporais dos dados
    • Analisando dados ao longo do tempo
    • Criando variáveis analíticas derivadas
    • Para saber mais: feature engineering na prática
    • Criando colunas de data para análise de organogramas na Organo
    • Analisando padrões sazonais de atividades de corrida
    • Prático - Análise temporal e feature engineering
    • O que aprendemos?
  10. Visualizando dados e comunicando resultados

    • Explorando visualizações com o Pandas
    • Comparando métricas com gráficos de barras
    • Analisando tendências ao longo tempo
    • Para saber mais: gráficos por tipo de métrica
    • Visualizando dados de vendas na Tratotech
    • Analisando a satisfação dos usuários na Clickbonus
    • Prático - Dashboard de métricas
    • Projeto
    • Conclusão
    • O que aprendemos?

Descubra se esse curso é pra você! Leia as primeiras aulas

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Pessoas estudando esse curso nesse mês:

Estude com elas

e mais 47 pessoas

Faça parte da nossa comunidade no discord!

Troque conhecimentos com a comunidade da Alura

Aprenda Exploração de Dados com esse e outros cursos, comece agora!

Conheça os Planos para Empresas