Mini_projeto_analise_de_dados.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Exercício - Mini Projeto de Análise de Dados\n",
    "\n",
    "Vamos fazer um exercício completo de pandas para um miniprojeto de análise de dados.\n",
    "\n",
    "Esse exercício vai obrigar a gente a usar boa parte dos conhecimento de pandas e até de outros módulos que já aprendemos ao longo do curso.\n",
    "\n",
    "### O que temos?\n",
    "\n",
    "Temos os dados de 2019 de uma empresa de prestação de serviços. \n",
    "\n",
    "- CadastroFuncionarios\n",
    "- CadastroClientes\n",
    "- BaseServiçosPrestados\n",
    "\n",
    "Obs1: Para ler arquivos csv, temos o read_csv<br>\n",
    "Obs2: Para ler arquivos xlsx (arquivos em excel normais, que não são padrão csv), temos o read_excel\n",
    "\n",
    "### O que queremos saber/fazer?\n",
    "\n",
    "1. Valor Total da Folha Salarial -> Qual foi o gasto total com salários de funcionários pela empresa? <br>\n",
    "    Sugestão: calcule o salário total de cada funcionário, salário + benefícios + impostos, depois some todos os salários\n",
    "    \n",
    "    \n",
    "2. Qual foi o faturamento da empresa?<br>\n",
    "    Sugestão: calcule o faturamento total de cada serviço e depois some o faturamento de todos\n",
    "    \n",
    "    \n",
    "3. Qual o % de funcionários que já fechou algum contrato?<br>\n",
    "    Sugestão: na base de serviços temos o funcionário que fechou cada serviço. Mas nem todos os funcionários que a empresa tem já fecharam algum serviço.<br>\n",
    "    . Na base de funcionários temos uma lista com todos os funcionários<br>\n",
    "    . Queremos calcular Qtde_Funcionarios_Fecharam_Serviço / Qtde_Funcionários_Totais<br>\n",
    "    . Para calcular a qtde de funcionários que fecharam algum serviço, use a base de serviços e conte quantos funcionários tem ali. Mas lembre-se, cada funcionário só pode ser contado uma única vez.<br><br>\n",
    "    Dica: se você aplicar o método .unique() em uma variável que é apenas 1 coluna de um dataframe, ele vai excluir todos os valores duplicados daquela coluna.<br>\n",
    "    Ex: unicos_colunaA = dataframe['colunaA'].unique() te dá como resposta uma lista com todos os itens da colunaA aparecendo uma única vez. Todos os valores repetidos da colunaA são excluidos da variável unicos_colunaA \n",
    "    \n",
    "    \n",
    "4. Calcule o total de contratos que cada área da empresa já fechou\n",
    "\n",
    "\n",
    "5. Calcule o total de funcionários por área\n",
    "\n",
    "\n",
    "6. Qual o ticket médio mensal (faturamento médio mensal) dos contratos?<br>\n",
    "    Dica: .mean() calcula a média -> exemplo: media_colunaA = dataframe['colunaA'].mean()\n",
    "\n",
    "Obs: Lembrando as opções mais usuais de encoding:<br>\n",
    "encoding='latin1', encoding='ISO-8859-1', encoding='utf-8' ou então encoding='cp1252'\n",
    "\n",
    "Observação Importante: Se o seu código der um erro na hora de importar os arquivos:<br>\n",
    "- CadastroClientes.csv\n",
    "- CadastroFuncionarios.csv\n",
    "\n",
    "Use separador \";\" (ponto e vírgula) para resolver"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "import locale\n",
    "from pathlib import Path\n",
    "import os\n",
    "\n",
    "# Define a configuração regional para formatação de moeda\n",
    "locale.setlocale(locale.LC_ALL, 'pt_BR.UTF-8')\n",
    "\n",
    "# Carrega os dados dos arquivos Excel e CSV\n",
    "caminho_servicos_prestados = Path(os.getcwd()) / 'BaseServiçosPrestados.xlsx'\n",
    "caminho_clientes = Path(os.getcwd()) / 'CadastroClientes.csv'\n",
    "caminho_funcionarios = Path(os.getcwd()) / 'CadastroFuncionarios.csv'\n",
    "servicos_prestadosdf = pd.read_excel(caminho_arquivo)\n",
    "clientesdf = pd.read_csv(caminho_clientes, sep=';')\n",
    "funcionariosdf = pd.read_csv(caminho_funcionarios, sep=';', decimal=',')\n",
    "\n",
    "# Soma os valores das colunas 'Salario Base', 'Impostos', 'Beneficios', 'VT' e 'VR'\n",
    "funcionariosdf['Salario Total'] = funcionariosdf[['Salario Base', 'Impostos', 'Beneficios', 'VT', 'VR']].sum(axis=1)\n",
    "\n",
    "# Faz o merge das tabelas 'servicos_prestadosdf' e 'clientesdf' com base na coluna 'ID Cliente'\n",
    "cliente_e_servicodf = pd.merge(servicos_prestadosdf, clientesdf, on='ID Cliente')\n",
    "\n",
    "# Conta o número de IDs únicos de funcionários na tabela 'servicos_prestadosdf'\n",
    "qtd_funcionarios_fechou_servico = servicos_prestadosdf['ID Funcionário'].nunique()\n",
    "\n",
    "# Calcula o percentual de funcionários que fecharam contrato\n",
    "percentual_funcionarios_fechou_servico = (qtd_funcionarios_fechou_servico / funcionariosdf['ID Funcionário'].count()) * 100\n",
    "\n",
    "# Seleciona as colunas 'ID Funcionário' e 'Area' da tabela 'funcionariosdf'\n",
    "coluna_selecionada = funcionariosdf[['ID Funcionário', 'Area']]\n",
    "\n",
    "# Faz o merge das tabelas 'servicos_prestadosdf' e 'coluna_selecionada' com base na coluna 'ID Funcionário'\n",
    "funcionario_e_servicodf = pd.merge(servicos_prestadosdf, coluna_selecionada, on='ID Funcionário')\n",
    "\n",
    "# Conta o número de contratos por área e reseta o índice\n",
    "qtd_contrato_por_area = funcionario_e_servicodf['Area'].value_counts().reset_index()\n",
    "qtd_contrato_por_area.columns = ['Area', 'Quantidade']\n",
    "\n",
    "# Conta o número de funcionários por área e reseta o índice\n",
    "qtd_funcionario_por_area = funcionariosdf['Area'].value_counts().reset_index()\n",
    "qtd_funcionario_por_area.columns = ['Area', 'Quantidade']\n",
    "\n",
    "# Calcula a média da coluna 'Valor Contrato Mensal' na tabela 'clientesdf'\n",
    "faturamento_medio_mensal = clientesdf['Valor Contrato Mensal'].mean()\n",
    "\n",
    "# Imprime os resultados formatados\n",
    "print('O gasto total com salários é de {}'.format(locale.currency(sum(funcionariosdf['Salario Total']), grouping=True)))\n",
    "print('-' * 70)\n",
    "print('O faturamento total é de {}'.format(locale.currency(sum(cliente_e_servicodf['Tempo Total de Contrato (Meses)'] * cliente_e_servicodf['Valor Contrato Mensal']), grouping=True)))\n",
    "print('-' * 70)\n",
    "print('O percentual de funcionários que já fechou algum contrato é de {:.2f}%'.format(percentual_funcionarios_fechou_servico))\n",
    "print('-' * 70)\n",
    "\n",
    "# Itera sobre os resultados de contratos por área e imprime\n",
    "print('A quantidade de contratos fechados por área é:')\n",
    "for _, row in qtd_contrato_por_area.iterrows():\n",
    "    print(f'A Área {row[\"Area\"]} fechou {row[\"Quantidade\"]} contratos')\n",
    "print('-' * 70)\n",
    "\n",
    "# Itera sobre os resultados de funcionários por área e imprime\n",
    "print('A quantidade de funcionários por área é:')\n",
    "for _, row in qtd_funcionario_por_area.iterrows():\n",
    "    print(f'A Área {row[\"Area\"]} tem {row[\"Quantidade\"]} funcionários')\n",
    "print('-' * 70)\n",
    "\n",
    "# Imprime o ticket médio mensal\n",
    "print('O ticket médio mensal é de {}'.format(locale.currency(faturamento_medio_mensal, grouping=True)))\n"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.13.1"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}