Projeto Guiado II

Carolyne-Oliveira/README.md

@@ -0,0 +1,325 @@
+# 🗳️👍🏻✅ Projeto Guiado II - Eleicoes SP 2024 
+
+## 📚 Descrição da Atividade
+
+Exercicio da semana 13 para casa. Utilize o dataset proposto em aula ou selecione um de sua preferência no Kaggle. Faça uma introdução explicando os dados e o motivo da escolha do dataset. Explique o que chamou sua atenção nesses dados e por que você acredita que eles podem gerar bons insights. Quais aspectos relevantes você identificou?
+
+## 📈 Introdução
+
+As bases de dados escolhidas foram obtidas no site do Tribunal Superior Eleitoral ([TSE](https://dadosabertos.tse.jus.br/dataset/candidatos-2024)), e são referentes às eleições de 2024 para os cargos de prefeito, vice-prefeito e vereador de São Paulo. A escolha desse dataset foi motivada pelo atual cenário político brasileiro, marcado por incertezas e debates sobre o futuro político e administrativo do estado de São Paulo. Analisar esses dados é crucial, pois as eleições municipais têm um impacto direto nas políticas públicas que afetam a vida dos cidadãos, e entender os padrões e tendências pode fornecer insights valiosos para prever possíveis desdobramentos e influências no cenário político local.
+
+O que chamou a atenção nesses dados foi a riqueza de detalhes disponíveis, como informações sobre candidaturas, despesas de campanha, distribuição por gênero, idade, e partido. Esses aspectos são fundamentais para entender melhor o perfil dos candidatos, as estratégias eleitorais adotadas e como esses fatores podem influenciar os resultados eleitorais. Acredita-se que essa análise pode gerar bons insights, como identificar tendências de investimento em campanhas, padrões de participação feminina nas eleições, e a relação entre gasto de campanha e sucesso eleitoral.
+
+## 📋 Passo a Passo
+
+## 🟦 Instalação de Bibliotecas:
+
+ ### - Bibliotecas Utilizadas:
+
+            import pandas as pd
+            import matplotlib.pyplot as plt
+            from datetime import datetime
+            import seaborn as sns
+            import sqlite3
+            from google.colab import files
+            import numpy as np
+            import plotly.express as px
+            from scipy import stats
+            from scipy.stats import f_oneway
+            import statsmodels.stats.multicomp as mc
+            from scipy.stats import kruskal
+
+## 🟦 Escolha do Dataset:
+
+ ### - Abrir arquivo csv
+ ### - Substituir ";"
+ ### - 'on_bad_lines' indica o que fazer em linhas com erros e 'skip' irá pular linhas que causam erros:
+
+            candidato = pd.read_csv('/content/drive/MyDrive/
+            REPROGRAMA/on33-python-s13-projeto-guiado-II/
+            Projeto Guiado/consulta_cand_2024/consulta_cand_2024_SP.csv', 
+            encoding='ISO-8859-1', sep=';', on_bad_lines='skip')
+
+ ### - Abrir arquivo csv
+ ### - Substituir ";"
+ ### - 'on_bad_lines' indica o que fazer em linhas com erros e 'skip' irá pular linhas que causam erros:
+
+            complemento = pd.read_csv('/content/drive/MyDrive/
+            REPROGRAMA/on33-python-s13-projeto-guiado-II/
+            Projeto Guiado/consulta_cand_complementar_2024/consulta_cand_complementar_2024_SP.csv',
+            encoding='ISO-8859-1', sep=';', on_bad_lines='skip')            
+
+ ### - Verificar as colunas na base de dados:
+
+            candidato.columns
+
+ ### - verificar as 5 primeiras linhas da base de dados candidatos:
+
+            candidato.head()
+
+ ### - Verificar nulos na base candidato:
+
+            candidato.isnull().sum()
+
+ ### - Quantidade de linhas:
+
+            candidato.shape
+
+ ### - Informacao dos dados:
+
+            candidato.info()    
+
+ ### - Criar um novo DataFrame com as colunas selecionadas:
+ ### - Lista das colunas que você deseja selecionar:
+
+            colunas_selecionadas = [
+            'SG_UF', 'SG_UE', 'NM_UE', 'CD_CARGO', 'DS_CARGO', 'SQ_CANDIDATO', 
+            'NR_CANDIDATO', 'NM_CANDIDATO', 'NM_URNA_CANDIDATO', 'NM_SOCIAL_CANDIDATO', 
+            'NR_PARTIDO', 'SG_PARTIDO', 'NM_PARTIDO', 'SG_UF_NASCIMENTO', 
+            'DT_NASCIMENTO', 'CD_GENERO', 'DS_GENERO', 'CD_GRAU_INSTRUCAO', 
+            'DS_GRAU_INSTRUCAO', 'CD_ESTADO_CIVIL', 'DS_ESTADO_CIVIL', 
+            'CD_COR_RACA', 'DS_COR_RACA', 'CD_OCUPACAO', 'DS_OCUPACAO'
+            ]
+
+ ### - Selecionando as colunas do DataFrame 'candidatos':
+
+            candidatos = candidato[colunas_selecionadas]
+
+ ### - Exibir o DataFrame selecionado:
+
+            print(candidatos)'
+
+ ### - Salvar copia da base:
+
+            candidato_backup = candidatos.copy()
+
+ ### - Renomear a coluna duplicada no DataFrame 'candidatos' e 'complementos':
+
+            candidatos = candidatos.rename(columns={'SQ_CANDIDATO': 'SQ_CANDIDATO_Candidato'})
+            complementos = complementos.rename(columns={'SQ_CANDIDATO': 'SQ_CANDIDATO_Complemento'})
+
+## 🟦 Consultas SQL:            
+
+ ### - Conexão com SQLite em memória:
+
+            conn = sqlite3.connect(':memory:')
+
+ ### - Salvar os DataFrames como tabelas SQLite:
+
+            candidatos.to_sql('candidato', conn, index=False)
+            complementos.to_sql('complemento', conn, index=False)
+
+ ### - Realizar o JOIN com as colunas renomeadas
+
+            eleicao = pd.read_sql_query
+            ('SELECT * FROM candidato JOIN complemento ON 
+            candidato.SQ_CANDIDATO_Candidato = complemento.SQ_CANDIDATO_Complemento', conn)
+
+ ### - Fechar a conexão:
+
+            conn.close()
+
+ ### - Exibir o resultado:
+
+            print(eleicao)
+
+ ### - Verificar nulos na base de dados complemento:
+
+            eleicao.isnull().sum()
+
+ ### - Salvar no csv:
+
+            eleicao.to_csv('candidatosSP.csv', index=False)
+
+ ### - Baixar arquivo csv:
+
+            files.download('candidatosSP.csv'):
+
+## 🟦 Visualizações Gráficas:
+
+ ### 1️⃣ Distribuição de Gênero: Analisar a proporção de candidatos por gênero.
+
+  ### Configurações para gráficos
+
+            sns.set(style="whitegrid")
+            plt.figure(figsize=(8, 6))
+
+ ### Distribuição de Gênero
+
+            ax = sns.countplot(x='DS_GENERO', data=eleicao, palette='Set2', hue='DS_GENERO')
+            plt.title('Distribuição de Gênero')
+            plt.xlabel('Gênero')
+            plt.ylabel('Número de Candidatos')
+
+ ### Adicionar rótulos às barras
+
+            for index, value in enumerate(df['DS_GENERO'].value_counts()):
+                plt.text(index, value, str(value), ha='center', va='bottom')
+
+ ### Mostrar o gráfico
+
+            plt.show()
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20barras%20Distribuicao%20de%20genero.png)             
+
+ ### 2️⃣ Idade dos Candidatos: Distribuição de idade dos candidatos.
+
+  ### Configurações para gráficos
+
+            sns.set(style="whitegrid")
+            plt.figure(figsize=(12, 6))
+
+  ### Converter a coluna DT_NASCIMENTO para o formato de data
+
+            eleicao['DT_NASCIMENTO'] = pd.to_datetime(eleicao['DT_NASCIMENTO'], format='%d/%m/%Y')
+
+  ### Função para calcular a idade
+
+            def calcular_idade(data_nascimento):
+                hoje = datetime.today()
+                idade = hoje.year - data_nascimento.year - ((hoje.month, hoje.day) 
+                < (data_nascimento.month, data_nascimento.day))
+                return idade
+
+  ### Aplicar a função para calcular a idade
+
+            df['IDADE'] = eleicao['DT_NASCIMENTO'].apply(calcular_idade)
+
+  ### Criar o gráfico de distribuição de idades - histograma
+
+            sns.histplot(df['IDADE'], bins=30, kde=True, color='b')
+
+            plt.title('Distribuição de Idades dos Candidatos')
+            plt.xlabel('Idade')
+            plt.ylabel('Número de Candidatos')
+
+  ### Mostrar o gráfico
+
+            plt.show()  
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20histograma%20idades.png)                
+
+ ### 3️⃣ Comparação por Escolaridade: Comparar os candidatos com diferentes níveis de escolaridade.
+
+  ### Configurações para gráficos
+
+            sns.set(style="whitegrid")
+            plt.figure(figsize=(12, 8))
+
+  ### Contar o número de candidatos por nível de escolaridade
+
+            escolaridade_count = eleicao['DS_GRAU_INSTRUCAO'].value_counts()
+
+  ### Criar o DataFrame para o gráfico
+
+            df_escolaridade = escolaridade_count.reset_index()
+            df_escolaridade.columns = ['Grau de Instrução', 'Número de Candidatos']
+
+  ### Criar o gráfico de barras
+
+            ax = sns.barplot(x='Número de Candidatos', 
+            y='Grau de Instrução', data=df_escolaridade, 
+            hue='Grau de Instrução', dodge=False, palette='viridis', legend=False)
+
+            plt.title('Número de Candidatos por Nível de Escolaridade')
+            plt.xlabel('Número de Candidatos')
+            plt.ylabel('Grau de Instrução')
+
+  ### Adicionar rótulos às barras
+
+            for index, row in df_escolaridade.iterrows():
+                ax.annotate(f"{row['Número de Candidatos']}", 
+                xy=(row['Número de Candidatos'], index), ha='left', va='center')
+
+  ### Mostrar o gráfico
+
+            plt.show()
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20barras%20inclinadas%2C%20escolaridade.png)                  
+
+ ### 4️⃣ Diversidade Racial: Analisar a distribuição de candidatos por raça/cor.
+
+  ### Contar o número de candidatos por raça/cor
+
+            cor_raca_count = eleicao['DS_COR_RACA'].value_counts()
+
+  ### Criar o DataFrame para o gráfico
+
+            df_cor_raca = cor_raca_count.reset_index()
+            df_cor_raca.columns = ['Cor/Raça', 'Número de Candidatos']
+
+  ### Criar o gráfico de barras com a plotly
+
+            fig = px.bar(df_cor_raca, x='Número de Candidatos', y='Cor/Raça', 
+            color='Cor/Raça', title='Número de Candidatos por Cor/Raça') 
+            fig.update_layout(xaxis_title='Número de Candidatos', yaxis_title='Cor/Raça')
+
+  ### Mostrar o gráfico
+
+            fig.show()    
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20barras%20inclinadas%2C%20raca%20e%20cor.png)                             
+
+## 🟦 Hipóteses:
+
+## Hipótese 1: Ocupações/Profissoes diferentes estão associadas a médias diferentes de despesas de campanha.
+
+  ### - Calcular a média das despesas por ocupação
+
+            despesa_por_ocupacao = eleicao.groupby('DS_OCUPACAO')
+            ['VR_DESPESA_MAX_CAMPANHA'].mean().sort_values(ascending=False).head(15)
+
+  ### - Plotar um gráfico de barras
+
+            plt.figure(figsize=(14, 8))
+            ax = sns.barplot(x=despesa_por_ocupacao.values, 
+            y=despesa_por_ocupacao.index, hue=despesa_por_ocupacao.index, 
+            palette='viridis', dodge=False, legend=False)
+
+  ### - Adicionar rótulos às barras
+
+            for index, value in enumerate(despesa_por_ocupacao.values):
+                ax.text(value, index, f"R${value:.2f}", ha='left', va='center')
+
+            plt.title('Média de Despesas de Campanha por Ocupação (Top 15)')
+            plt.xlabel('Média de Despesa de Campanha (R$)')
+            plt.ylabel('Ocupação')
+
+  ### - Mostrar o gráfico
+
+            plt.show()             
+
+## ✅ HIPOTESE CONFIRMADA! Após analise podemos concluir que é muito provável que as ocupações estejam associadas a diferentes médias de despesas de campanha, confirmando que há uma relação significativa entre a ocupação e as despesas de campanha dos candidatos. 
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20barras%20inclinadas.png)
+
+## Hipótese 2: A média das despesas de campanha é diferente entre gêneros.
+
+  ### - Filtrar os dados por gênero
+
+            genero_feminino = df[eleicao['DS_GENERO'] == 'Feminino']['VR_DESPESA_MAX_CAMPANHA']
+            genero_masculino = df[eleicao['DS_GENERO'] == 'Masculino']['VR_DESPESA_MAX_CAMPANHA']
+
+  ### - Teste t para amostras independentes
+
+            t_stat, p_value = stats.ttest_ind(genero_feminino, genero_masculino, equal_var=False) 
+
+  ### - Resultados
+
+            f'Estatística t: {t_stat:.4f}'
+            f'P-Value: {p_value:.4f}'
+
+  ### - Interpretação
+
+            alpha = 0.05
+            if p_value < alpha:
+                print("Há uma diferença significativa nas despesas de campanha entre gêneros.")
+            else:
+                print("Não há uma diferença significativa nas despesas de campanha entre gêneros.")
+
+## ❌ HIPOTESE REFULTADA! Após analise podemos concluir que não há uma diferença significativa nas despesas de campanha entre os gêneros masculino e feminino, sendo essa diferenca de apenas 4,8% conforme mostra o gráfico de pizza!
+
+![gráfico](https://github.com/CarolyneS14/on33-python-s13-projeto-guiado-II/blob/main/Carolyne-Oliveira/Graficos/gr%C3%A1fico%20de%20pizza.png)
+
+## 👩🏻‍🏫 Professora Stefany Gracy.
+Professora [Stefany Gracy](https://github.com/Stesilva16 "Stefany Gracy")