Atividade Analista de Dados Educacionais

O que você vai fazer

Você vai trabalhar como analista de dados de uma escola e responder a 4 perguntas da diretoria usando Python e Pandas. Cada pergunta é dividida em passos pequenos, com explicação, dica e resposta para conferir.

Como estudar esta nota

1. Leia a explicação.
2. Tente escrever o código sozinho (os espaços ____ são para você completar).
3. Só então abra a resposta (as caixas dobráveis abrem ao clicar no título).
4. Se errou, tudo bem: leia a seção Erros comuns de iniciante, mais abaixo, e tente de novo.

No Google Colab, escreva cada bloco de código em uma célula e rode com Shift + Enter.

Quer o desafio completo, com SQL e casos mais difíceis? Veja a versão completa.

---

🧠 1. A ideia por trás de tudo

Imagine que a secretaria da escola guarda as informações em três cadernos separados:

Caderno	O que guarda
📒 alunos	quem são os alunos (nome, idade, cidade)
📗 cursos	quais cursos existem e quanto custa a mensalidade
📘 matrículas	qual aluno está em qual curso e se a matrícula está ativa

O problema: o caderno de matrículas só tem números. Ele diz “o aluno 1 está no curso 101”, mas não diz quem é o aluno 1 nem qual é o curso 101.

Para descobrir, você precisa procurar o número no outro caderno. Em Pandas, essa “procura e junção” se chama merge.

matrícula 1001:  aluno 1,  curso 101
                   │          │
                   ▼          ▼
         procura em alunos   procura em cursos
         → Ana Silva         → Python para Dados

Conceitos desta nota

• Tabela (no Pandas: DataFrame): uma planilha com linhas e colunas.
• Linha: um registro (um aluno, uma matrícula…).
• Coluna: uma característica (nome, idade, status…).
• Chave (id_aluno, id_curso): o número que identifica cada registro e permite ligar as tabelas.
• merge: junta duas tabelas usando uma chave em comum.

---

📊 2. Os dados

📒 alunos

id_aluno	nome_aluno	idade	cidade
1	Ana Silva	21	São Paulo
2	Bruno Costa	24	Rio de Janeiro
3	Carlos Souza	19	Belo Horizonte
4	Diana Martins	22	São Paulo

📗 cursos

id_curso	nome_curso	preco_mensalidade
101	Python para Dados	150
102	Web Design Moderno	120
103	Banco de Dados SQL	130

📘 matriculas

id_matricula	id_aluno	id_curso	status
1001	1	101	Ativo
1002	1	103	Ativo
1003	2	101	Ativo
1004	3	102	Cancelado
1005	4	101	Ativo

Antes de programar: pense

Olhando só as tabelas, sem código, tente responder:

1. Quantas matrículas estão ativas?
2. Quanto a escola recebe por mês com as matrículas ativas?

Anote suas respostas. Você vai conferi-las no final.

---

🛠️ 3. Passo a passo

Passo 1: criar as tabelas no Python

Primeiro importamos o Pandas (a biblioteca que trabalha com tabelas). Depois criamos cada tabela escrevendo, coluna por coluna, os valores que ela tem.

import pandas as pd
 
alunos = pd.DataFrame({
    'id_aluno':   [1, 2, 3, 4],
    'nome_aluno': ['Ana Silva', 'Bruno Costa', 'Carlos Souza', 'Diana Martins'],
    'idade':      [21, 24, 19, 22],
    'cidade':     ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'São Paulo'],
})
 
cursos = pd.DataFrame({
    'id_curso':          [101, 102, 103],
    'nome_curso':        ['Python para Dados', 'Web Design Moderno', 'Banco de Dados SQL'],
    'preco_mensalidade': [150, 120, 130],
})
 
matriculas = pd.DataFrame({
    'id_matricula': [1001, 1002, 1003, 1004, 1005],
    'id_aluno':     [1, 1, 2, 3, 4],
    'id_curso':     [101, 103, 101, 102, 101],
    'status':       ['Ativo', 'Ativo', 'Ativo', 'Cancelado', 'Ativo'],
})

Sempre olhe os dados depois de criar

Use print() para ver uma tabela e conferir se ficou como esperado.

print(matriculas)

Por que cada coluna é uma lista?

Cada lista é uma coluna, e a posição na lista é a linha. O primeiro valor de cada lista forma a primeira linha: id_matricula = 1001, id_aluno = 1, id_curso = 101, status = 'Ativo'. Por isso todas as listas de uma mesma tabela precisam ter o mesmo tamanho.

Passo 2: juntar matrículas com alunos

Queremos trazer o nome do aluno para a tabela de matrículas. A coluna em comum é id_aluno.

consolidado = pd.merge(matriculas, alunos, on='id_aluno')
print(consolidado)

O que o merge fez?

Para cada linha de matriculas, ele procurou em alunos a linha com o mesmo id_aluno e colou as colunas nome_aluno, idade e cidade ao lado. A tabela continua com 5 linhas (uma por matrícula), mas agora com mais colunas.

Passo 3: juntar o resultado com cursos

Agora trazemos o nome do curso e o preço. A coluna em comum é id_curso.

consolidado = pd.merge(consolidado, cursos, on='id_curso')
 
# Mostra só as colunas que interessam
print(consolidado[['id_matricula', 'nome_aluno', 'nome_curso', 'preco_mensalidade', 'status']])

Resultado esperado

id_matricula	nome_aluno	nome_curso	preco_mensalidade	status
1001	Ana Silva	Python para Dados	150	Ativo
1002	Ana Silva	Banco de Dados SQL	130	Ativo
1003	Bruno Costa	Python para Dados	150	Ativo
1004	Carlos Souza	Web Design Moderno	120	Cancelado
1005	Diana Martins	Python para Dados	150	Ativo

Conferência rápida

A tabela consolidado deve ter 5 linhas, as mesmas 5 matrículas. Se tiver menos ou mais, algo deu errado no merge. Para contar:

print(len(consolidado))   # deve mostrar 5

---

📈 4. As quatro perguntas da diretoria

❓ Pergunta 1: Quem são os alunos com matrícula ativa?

Em português, em dois passos:

1. Fique só com as linhas em que o status é Ativo.
2. Mostre os nomes, sem repetir (a Ana tem duas matrículas).

Complete o código:

# Passo 1: filtrar
ativos = consolidado[consolidado['status'] == '____']
 
# Passo 2: nomes sem repetição
print(ativos['nome_aluno'].unique())

Dica

O texto dentro das aspas precisa ser exatamente igual ao que está na coluna status, incluindo letra maiúscula. Olhe a tabela de matrículas.

Resposta

ativos = consolidado[consolidado['status'] == 'Ativo']
print(ativos['nome_aluno'].unique())

Resultado: Ana Silva, Bruno Costa e Diana Martins (o formato da lista pode variar um pouco conforme a versão do Pandas).

Carlos não aparece porque a matrícula dele está Cancelado. Ana aparece uma vez só graças ao unique(), que significa “valores únicos, sem repetir”.

Como funciona consolidado[consolidado['status'] == 'Ativo']?

Leia de dentro para fora:

1. consolidado['status'] == 'Ativo' cria uma lista de verdadeiro/falso, um para cada linha: [True, True, True, False, True].
2. consolidado[ ... ] mantém só as linhas em que o valor é True.

É como passar uma peneira: só fica o que cumpre a condição.

❓ Pergunta 2: Quantas matrículas ativas há por curso?

Em português: com as matrículas ativas (que você já filtrou), agrupe por curso e conte quantas linhas cada curso tem.

Complete o código:

print(ativos.groupby('____').size())

Dica

Queremos um grupo para cada curso. Qual coluna guarda o nome do curso?

Resposta

print(ativos.groupby('nome_curso').size())

Resultado:

nome_curso	quantidade
Banco de Dados SQL	1
Python para Dados	3

O que é groupby?

É como separar as matrículas em pilhas, uma pilha por curso, e depois contar quantas há em cada pilha. .size() é o “contador” de cada pilha.

Reparou que falta um curso?

Web Design Moderno não aparece, porque nenhuma matrícula dele está ativa. Isso é normal no groupby: ele só mostra os grupos que existem nos dados filtrados. Se a diretoria quisesse ver “Web Design: 0”, seria preciso um tipo de merge diferente (o how='left'). Isso está na versão completa.

❓ Pergunta 3: Qual é o faturamento mensal?

Em português: com as matrículas ativas, some a coluna preco_mensalidade.

Complete o código:

total = ativos['____'].sum()
print(f'R$ {total:.2f}')

Dica

Use o nome da coluna que guarda o preço. E lembre: cada matrícula ativa paga uma mensalidade. Ana paga duas porque está em dois cursos.

Resposta

total = ativos['preco_mensalidade'].sum()
print(f'R$ {total:.2f}')

Resultado: R$ 580.00, que vem de 150 + 130 + 150 + 150.

A matrícula cancelada de Carlos (120) não entra, porque ela já foi filtrada em ativos.

O que significa f'R$ {total:.2f}'?

• O f antes das aspas permite colocar variáveis dentro do texto, entre { }.
• :.2f mostra o número com 2 casas decimais.

❓ Pergunta 4: Qual é a idade média dos alunos de “Python para Dados”?

Em português, em dois passos:

1. Fique só com as linhas em que o curso é Python para Dados.
2. Calcule a média da coluna idade.

Complete o código:

# Passo 1: filtrar o curso
python = consolidado[consolidado['nome_curso'] == '____']
 
# Passo 2: média das idades
media = python['idade'].____()
print(f'{media:.1f} anos')

Dica

A função que calcula a média em Pandas tem o mesmo nome da palavra em inglês: mean.

Resposta

python = consolidado[consolidado['nome_curso'] == 'Python para Dados']
media = python['idade'].mean()
print(f'{media:.1f} anos')

Resultado: 22.3 anos, porque (21 + 24 + 22) ÷ 3 = 22,33…

Usamos :.1f (uma casa decimal) para não esconder a parte decimal: arredondar para 22 faria a média parecer exata.

---

✅ 5. Confira suas respostas

Pergunta	Resultado esperado
1. Alunos ativos	Ana Silva, Bruno Costa, Diana Martins
2. Matrículas ativas por curso	Python para Dados: 3 · Banco de Dados SQL: 1
3. Faturamento mensal	R$ 580,00
4. Idade média em Python	22,3 anos

Compare com o que você previu no começo

Quantas matrículas ativas você contou à mão? (O certo é 4.) E o faturamento? Se sua conta à mão bateu com o código, você entendeu a lógica. Se não bateu, descubra onde foi a diferença: ela costuma estar em uma matrícula cancelada ou em uma matrícula contada duas vezes.

---

🧯 Erros comuns de iniciante

= e == são coisas diferentes

• = guarda um valor: idade = 21.
• == compara dois valores: status == 'Ativo' pergunta “é igual a Ativo?”.

No filtro, sempre use ==.

KeyError: 'nome'

Você escreveu o nome de uma coluna que não existe. Confira como está escrito na tabela: aqui é nome_aluno, não nome. Para ver todos os nomes de colunas:

print(consolidado.columns)

O filtro não devolve nenhuma linha

O texto entre aspas não é exatamente igual ao dos dados. 'ativo' (minúsculo) é diferente de 'Ativo'. Letras maiúsculas e espaços importam.

NameError: name 'ativos' is not defined

Você rodou uma célula que usa ativos antes de rodar a célula que a cria. No Colab, rode as células de cima para baixo.

SyntaxError

Quase sempre é um parêntese, colchete ou aspas que ficou aberto sem fechar. Confira se cada (, [ e ' tem o seu par.

O número de linhas depois do merge está estranho

Depois de cada merge, use len(tabela) para contar as linhas. Aqui devem ser sempre 5. Se mudou, confira se usou a coluna certa em on=.

---

📚 Mini glossário

Termo	Significa	Exemplo
DataFrame	Uma tabela no Pandas	alunos
merge	Junta duas tabelas por uma coluna em comum	pd.merge(matriculas, alunos, on='id_aluno')
Filtro	Mantém só as linhas que cumprem uma condição	df[df['status'] == 'Ativo']
unique()	Valores sem repetição	ativos['nome_aluno'].unique()
groupby	Separa as linhas em grupos	groupby('nome_curso')
size()	Conta quantas linhas há em cada grupo	.size()
sum()	Soma os valores de uma coluna	['preco_mensalidade'].sum()
mean()	Média dos valores de uma coluna	['idade'].mean()
len()	Quantidade de linhas	len(consolidado)

---

🚀 Próximos passos

Quando as quatro perguntas estiverem fáceis, tente estes desafios, do mais simples ao mais difícil:

1. Mude um dado: troque o status da matrícula 1004 para 'Ativo' e rode tudo de novo. Antes de rodar, preveja: qual será o novo faturamento? (Dica: some 120.)
2. Nova pergunta: quantos alunos moram em São Paulo? Use um filtro em alunos e len().
3. Outra soma: qual é o faturamento só do curso Python para Dados? Combine filtro e sum().
4. Ordenar: mostre os cursos do maior para o menor faturamento. Pesquise sort_values.
5. Mesma atividade em SQL: o SQLite faz as mesmas coisas com outra linguagem. Veja a atividade analista dados educacionais versão completa.

Parabéns!

Se você chegou até aqui, já sabe juntar tabelas, filtrar, agrupar, somar e tirar médias. Essas cinco ações aparecem em quase toda análise de dados, de qualquer área.