PROCEDIMENTO/ATIVIDADE
ATIVIDADE PROPOSTA:
Você trabalha em uma empresa de varejo e precisa analisar os dados de vendas do último ano
para identificar padrões e insights para melhorar o desempenho. Os dados estão armazenados
em um banco de dados SQLite, e você utilizará a biblioteca Pandas para manipular e analisar
esses dados, além de gerar visualizações utilizando Matplotlib e Seaborn.
Passo 1: Conectar ao banco de dados SQLite e criar uma tabela
• Primeiro, você precisa estabelecer uma conexão com o banco de dados SQLite e carregar
os dados relevantes para análise.
import sqlite3
Passo 1.1: Conectar ao banco de dados (ou criar, se não existir)
conexao = sqlite3.connect('dados_vendas.db')
Passo 1.2: Criar um cursor
3
cursor = conexao.cursor()
Passo 1.3: Criar uma tabela (se não existir)
cursor.execute('''
CREATE TABLE vendas1 (
id_venda INTEGER PRIMARY KEY AUTOINCREMENT,
data_venda DATE,
produto TEXT,
categoria TEXT,
valor_venda REAL
)
''')
Passo 1.4: Inserir alguns dados
cursor.execute('''
INSERT INTO vendas1 (data_venda, produto, categoria, valor_venda) VALUES
('2023-01-01', 'Produto A', 'Eletrônicos', 1500.00),
('2023-01-05', 'Produto B', 'Roupas', 350.00),
('2023-02-10', 'Produto C', 'Eletrônicos', 1200.00),
('2023-03-15', 'Produto D', 'Livros', 200.00),
('2023-03-20', 'Produto E', 'Eletrônicos', 800.00),
('2023-04-02', 'Produto F', 'Roupas', 400.00),
('2023-05-05', 'Produto G', 'Livros', 150.00),
('2023-06-10', 'Produto H', 'Eletrônicos', 1000.00),
('2023-07-20', 'Produto I', 'Roupas', 600.00),
('2023-08-25', 'Produto J', 'Eletrônicos', 700.00),
('2023-09-30', 'Produto K', 'Livros', 300.00),
('2023-10-05', 'Produto L', 'Roupas', 450.00),
('2023-11-15', 'Produto M', 'Eletrônicos', 900.00),
('2023-12-20', 'Produto N', 'Livros', 250.00);
''')
Passo 1.5: Confirmar as mudanças
conexao.commit()
Passo 2: Explorar e preparar os dados
• Agora que os dados estão carregados em um DataFrame do Pandas (df_vendas), você
pode explorá-los e prepará-los para análise.
4
Passo 3: Análise dos dados
• Realize análises específicas para extrair insights sobre as vendas.
Passo 4: Visualização dos dados
• Utilize Matplotlib e Seaborn para criar visualizações que ajudem na interpretação dos
resultados.
Passo 5: Conclusão e análise de insights
• Finalize o exercício com uma breve análise dos insights obtidos e sugestões para a
empresa com base nos dados analisados
