Gestão de Produtos 1: CRUD e análise com SQLite e Pandas📑

Nesta atividade você cria um banco relacional de Gestão de Produtos e Categorias, executa o ciclo completo do CRUD (Create, Read, Update, Delete) e responde a perguntas de negócio sobre o estoque usando SQL e Pandas.

Ficha da atividade

Ambiente: Google Colab

Tempo estimado: 60 minutos

Pré-requisitos: noções de Python e do comando SELECT. O módulo sqlite3 já vem com o Python, e o Pandas já está instalado no Colab.

Resultado esperado: um arquivo gestao_produtos.db com 3 categorias e 5 produtos, mais três consultas de análise respondidas.

Próxima nota: Vendas e estoque

Objetivo

Desenvolver um script em Python que cria o banco, executa as operações de escrita de forma segura e responde a perguntas de análise sobre o estoque.

Cada passo em uma célula

No Colab, coloque cada bloco de código em uma célula separada e execute na ordem. Se precisar recomeçar, volte ao Passo 1 e execute tudo de novo. O Passo 2 recria as tabelas do zero.

Passo a passo

Passo 1: conectar ao banco

Importe as bibliotecas e abra a conexão com o arquivo .db. Se o arquivo não existir, o SQLite o cria automaticamente.

import sqlite3
import pandas as pd
 
# Abre (ou cria) o banco de dados local
conn = sqlite3.connect("gestao_produtos.db")
 
# O cursor envia comandos SQL e recebe os resultados
cursor = conn.cursor()
 
print("Conexão estabelecida com sucesso!")

Erro de digitação cria outro banco

Se você escrever gestao_produto.db (sem o “s”), o SQLite não avisa: cria um banco novo e vazio. Se aparecer no such table, confira o nome do arquivo.

Passo 2: criar as tabelas (DDL)

Defina duas tabelas, Categoria e Produto, com chave primária, chave estrangeira e validações CHECK.

# O SQLite só verifica chaves estrangeiras se você pedir, a cada conexão
cursor.execute("PRAGMA foreign_keys = ON;")
 
cursor.executescript('''
DROP TABLE IF EXISTS Vendas;
DROP TABLE IF EXISTS Produto;
DROP TABLE IF EXISTS Categoria;
 
CREATE TABLE Categoria (
    id_categoria INTEGER PRIMARY KEY AUTOINCREMENT,
    nome_categoria TEXT NOT NULL
);
 
CREATE TABLE Produto (
    id_produto INTEGER PRIMARY KEY AUTOINCREMENT,
    nome TEXT NOT NULL,
    preco REAL NOT NULL CHECK(preco >= 0.0),
    estoque INTEGER NOT NULL CHECK(estoque >= 0),
    id_categoria INTEGER,
    FOREIGN KEY (id_categoria) REFERENCES Categoria(id_categoria)
);
''')
 
conn.commit()
print("Tabelas 'Categoria' e 'Produto' criadas com sucesso!")

O DROP apaga dados

Os comandos DROP TABLE no início do script apagam as tabelas e todo o conteúdo. Eles garantem que a atividade possa ser repetida sem duplicar registros, mas nunca devem ser usados assim em um sistema real.

Passo 3: inserir registros (Create)

Para evitar SQL Injection, nunca monte o comando juntando textos. Use marcadores de posição (?) com cursor.executemany(), que insere vários registros de uma vez.

categorias_iniciais = [
    ("Eletrônicos",),
    ("Móveis",),
    ("Vestuário",),
]
 
# (nome, preço, estoque, id_categoria)
produtos_iniciais = [
    ("Smartphone", 1500.00, 10, 1),
    ("Notebook", 3500.00, 5, 1),
    ("Sofá", 800.00, 3, 2),
    ("Cadeira de Escritório", 350.00, 12, 2),
    ("Camisa Polo", 80.00, 25, 3),
    ("Calça Jeans", 120.00, 15, 3),
]
 
cursor.executemany(
    "INSERT INTO Categoria (nome_categoria) VALUES (?);", categorias_iniciais
)
cursor.executemany(
    "INSERT INTO Produto (nome, preco, estoque, id_categoria) VALUES (?, ?, ?, ?);",
    produtos_iniciais,
)
 
conn.commit()
print(f"{len(categorias_iniciais)} categorias e {len(produtos_iniciais)} produtos inseridos.")

Por que o commit?

Os comandos INSERT, UPDATE e DELETE ficam pendentes em uma transação. Sem conn.commit(), nada é gravado de forma definitiva no arquivo.

Passo 4: consultar os dados (Read)

Use SELECT para recuperar as linhas e fetchall() para trazê-las ao Python.

cursor.execute("SELECT id_produto, nome, preco, estoque FROM Produto;")
linhas = cursor.fetchall()
 
print("\n--- Lista de Produtos Cadastrados ---")
for id_p, nome, preco, estoque in linhas:
    print(f"ID: {id_p} | Produto: {nome} | Preço: R$ {preco:.2f} | Estoque: {estoque}")

Saída esperada

ID: 1 | Produto: Smartphone | Preço: R$ 1500.00 | Estoque: 10
ID: 2 | Produto: Notebook | Preço: R$ 3500.00 | Estoque: 5
ID: 3 | Produto: Sofá | Preço: R$ 800.00 | Estoque: 3
ID: 4 | Produto: Cadeira de Escritório | Preço: R$ 350.00 | Estoque: 12
ID: 5 | Produto: Camisa Polo | Preço: R$ 80.00 | Estoque: 25
ID: 6 | Produto: Calça Jeans | Preço: R$ 120.00 | Estoque: 15

Passo 5: atualizar e excluir (Update e Delete)

Edições e remoções pontuais sempre usam a cláusula WHERE. Sem ela, o comando atinge todas as linhas da tabela.

# 1. Atualizar o preço de um produto
cursor.execute(
    "UPDATE Produto SET preco = ? WHERE nome = ?;", (1600.00, "Smartphone")
)
print("Linhas atualizadas:", cursor.rowcount)
 
# 2. Excluir um produto
cursor.execute("DELETE FROM Produto WHERE nome = ?;", ("Calça Jeans",))
print("Linhas excluídas:", cursor.rowcount)
 
conn.commit()

Confira o rowcount

Se rowcount for 0, o WHERE não encontrou nada, normalmente por erro de digitação no nome. O SQLite não considera isso um erro, então a verificação é sua.

Execute novamente o código do Passo 4 e confirme que o Smartphone custa R$ 1600,00 e que a Calça Jeans sumiu.

Passo 6: análise de dados

Agora cruze as tabelas com JOIN e use funções de agregação para responder perguntas de negócio.

Pergunta 1 (SQL): qual o valor investido em estoque por categoria?

query_estoque_categoria = """
SELECT
    c.nome_categoria,
    COUNT(p.id_produto) AS total_produtos,
    SUM(p.preco * p.estoque) AS valor_total_estoque
FROM Categoria c
JOIN Produto p ON c.id_categoria = p.id_categoria
GROUP BY c.nome_categoria
ORDER BY valor_total_estoque DESC;
"""
 
cursor.execute(query_estoque_categoria)
print("\n--- Valor Total de Estoque por Categoria ---")
for categoria, qtd, valor in cursor.fetchall():
    print(f"Categoria: {categoria} | Variedade: {qtd} item(ns) | Valor em Estoque: R$ {valor:.2f}")

Resultado esperado

Categoria Itens Valor em estoque
Eletrônicos 2 R$ 33.500,00
Móveis 2 R$ 6.600,00
Vestuário 1 R$ 2.000,00

Categoria	Itens	Valor em estoque
Eletrônicos	2	R$ 33.500,00
Móveis	2	R$ 6.600,00
Vestuário	1	R$ 2.000,00

Pergunta 2 (Pandas): qual o resumo estatístico dos preços e estoques?

O Pandas lê o resultado de uma consulta direto em um DataFrame com pd.read_sql_query().

df_produtos = pd.read_sql_query("""
    SELECT p.nome, p.preco, p.estoque, c.nome_categoria
    FROM Produto p
    JOIN Categoria c ON p.id_categoria = c.id_categoria
""", conn)
 
print("\n--- Visão Geral do DataFrame ---")
print(df_produtos.head())
 
print("\n--- Resumo Estatístico ---")
print(df_produtos.describe())

Resultado esperado

No describe(), a coluna preco deve mostrar média 1266.00 e a coluna estoque, média 11.00, ambas com count igual a 5.

Passo 7: fechar a conexão

Encerre o cursor e a conexão para liberar os recursos.

cursor.close()
conn.close()
print("Conexão encerrada com segurança.")

Exercícios de fixação

Exercício 1

Liste os produtos com estoque menor que 10, do menor para o maior estoque. (Reabra a conexão antes, repetindo o Passo 1.)

Solução do exercício 1

cursor.execute("SELECT nome, estoque FROM Produto WHERE estoque < ? ORDER BY estoque;", (10,))
print(cursor.fetchall())
# [('Sofá', 3), ('Notebook', 5)]

Exercício 2

Com o DataFrame df_produtos, calcule o preço médio por categoria.

Solução do exercício 2

print(df_produtos.groupby("nome_categoria")["preco"].mean())
# Eletrônicos    2550.0
# Móveis          575.0
# Vestuário        80.0

Exercício 3

Tente inserir um produto com preço negativo. O que acontece e por quê?

Solução do exercício 3

O banco recusa a linha com sqlite3.IntegrityError: CHECK constraint failed, porque a coluna preco foi definida com CHECK(preco >= 0.0). A regra de negócio fica protegida no próprio banco, mesmo que o código Python esqueça de validar.

Erros comuns

Sintoma	Causa provável	Como corrigir
Inseriu um produto com `id_categoria` inexistente e nada aconteceu	`PRAGMA foreign_keys = ON` não foi executado nesta conexão	Execute o `PRAGMA` toda vez que abrir uma conexão
Os dados somem ao reabrir o banco	`commit()` esquecido	Chame `conn.commit()` após `INSERT`, `UPDATE` e `DELETE`
`Cannot operate on a closed database`	Executou uma célula depois do Passo 7	Repita o Passo 1 para abrir nova conexão
`no such table`	Banco aberto com nome errado ou tabelas ainda não criadas	Confira o nome do arquivo e execute o Passo 2
Registros duplicados	Executou o Passo 3 duas vezes sem recriar as tabelas	Execute a partir do Passo 2, que recria tudo

Checklist de verificação

O arquivo gestao_produtos.db foi criado
O Passo 4 lista 6 produtos antes do Passo 5
Após o Passo 5, o Smartphone custa R$ 1600,00 e a Calça Jeans não aparece
A Pergunta 1 retorna Eletrônicos como categoria de maior valor em estoque
A conexão foi fechada no Passo 7
Os três exercícios de fixação foram resolvidos

Próximo passo

Continue em Vendas e estoque, onde você adiciona a tabela de vendas e descobre o produto mais vendido.

Jocile notas

Explorador

Gestão de Produtos 1: CRUD e análise com SQLite e Pandas

Objetivo

Passo a passo

Passo 1: conectar ao banco

Passo 2: criar as tabelas (DDL)

Passo 3: inserir registros (Create)

Passo 4: consultar os dados (Read)

Passo 5: atualizar e excluir (Update e Delete)

Passo 6: análise de dados

Pergunta 1 (SQL): qual o valor investido em estoque por categoria?

Pergunta 2 (Pandas): qual o resumo estatístico dos preços e estoques?

Passo 7: fechar a conexão

Exercícios de fixação

Erros comuns

Checklist de verificação

Próximo passo

Visão de gráfico

Sumário

Backlinks