Comece com uma pergunta de dados
Transforme uma curiosidade ampla numa pergunta que os dados conseguem responder, e aprenda o fluxo de trabalho e o vocabulário da ciência de dados.
- Formular uma pergunta específica e mensurável
- Identificar a unidade de observação e as variáveis
- Diferenciar variáveis numéricas de categóricas
A ciência de dados combina programação, estatística e conhecimento de um domínio para responder perguntas com dados. A maioria dos projetos passa em ciclo pelas mesmas etapas:
- Perguntar algo específico.
- Obter os dados - e entender como foram coletados.
- Limpar: corrigir tipos, valores ausentes, duplicatas.
- Explorar: resumir e visualizar.
- Modelar ou testar: estimar relações e incerteza.
- Comunicar o que as evidências sustentam - e o que não sustentam.
Tudo começa pela pergunta. “Como vai o nosso compartilhamento de bicicletas?” é um estado de espírito. “A duração mediana das viagens em dias úteis mudou entre março e abril deste ano?” é uma pergunta que os dados conseguem responder: ela nomeia o resultado (duração da viagem), o grupo (viagens em dias úteis) e o período.
Linhas, colunas e tipos de variável
Numa tabela, cada linha é uma unidade de observação - uma viagem, um cliente, um dia - e cada coluna é uma variável medida sobre ela. As variáveis são de tipos diferentes, e o tipo decide quais resumos fazem sentido:
| Tipo | Exemplo | Resumos que fazem sentido |
|---|---|---|
| Numérica, contínua | minutos de viagem, temperatura | média, mediana, dispersão |
| Numérica, discreta (contagens) | bicicletas numa estação | média, mediana, totais |
| Categórica, nominal | modal: ônibus / bicicleta / a pé | contagens, proporções |
| Categórica, ordinal | avaliação: ruim < ok < ótima | contagens, categoria mediana |
Cuidado com números que não são quantidades: um CEP ou o ID de uma viagem é um rótulo - tirar a média deles não tem sentido.
Experimente
Até 15 XPQue tipo de variável?
Classifique cada coluna de um conjunto de dados de compartilhamento de bicicletas.
“trip_minutes: 12.5”
“member_type: casual / member”
“satisfaction: poor / ok / good / great”
“trip_id: 100482”
“bikes_available: 7”
“start_station_zip: 94107”
trip_minutes = [12, 18, 9, 21]
print("trips:", len(trip_minutes))
print("minutes recorded:", sum(trip_minutes))trips: 4 minutes recorded: 60
Principais conclusões
Deixe a pergunta específica: resultado, grupo e período.
Cada linha é uma observação; cada coluna, uma variável.
Variáveis numéricas, categóricas e ordinais pedem resumos diferentes; IDs não são quantidades.
Quiz da aula
6 perguntas · aprovação com 5 acertos · até 50 XP
Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.
Pratique: escreva código em Python
Escreva código Python no editor e execute os testes com exemplos. O Python roda localmente no navegador usando WebAssembly.
Conte as observações
Leia um array JSON com durações numéricas de viagens e imprima o número de observações.
- Quatro viagens
- Uma viagem
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Faça o perfil das colunas
Leia um CSV da entrada padrão com csv.DictReader. Para cada coluna, imprima name: numeric (MIN-MAX) se todos os valores puderem ser convertidos em número (formate MIN e MAX com :g); caso contrário, name: categorical (N distinct). Depois olhe a saída: que coluna “numérica” não é, na verdade, uma quantidade?
- Viagens
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Dúvidas sobre esta lição
Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.
Carregando publicações…