Limpeza e Análise Exploratória de Dados | Python

Olá! Tudo bem por aí? Por aqui tudo ótimo!

Este repositório funciona como uma sessão de portfólio, e todo o trabalho feito aqui é para expor algumas das minhas skills como analista de dados em python. Neste projeto, utilizei o dataset "Brazilian E-Commerce Public Dataset by Olist", que está disponível no Kaggle através deste link. O objetivo deste trabalho é preparar e explorar os dados para responder as seguintes perguntas sobre performance de pedidos entregues:

• Existe diferença do tempo de entrega por estado?
• Quais são as cidades que tem o maior tempo de entrega médio?
• As dimensões do produto influenciam no tempo de entrega?
• O horário e o dia da semana em que o pedido é realizado impactam o tempo de entrega?
• A distância entre a cidade do vendedor e do cliente impacta na performance de entrega?

Notebook

Partindo da limpeza, tratamento e transformação de dados, até os caminhos de análise exploratória para responder a perguntas de negócio, o notebook Limpeza_AnaliseExploratoria_OLIST traz diversas etapas do trabalho de análise de dados organizadas em 5 sessões (além, claro, da introdução):

• Importação de bibliotecas e Carregamento
• Limpeza, Tratamento e Preparação dos Dados
• Análise Descritiva
• Análise Exploratória de Dados
• Conclusão

Tecnologias Utilizadas

• Google Colaboratory
• Python
• Pandas
• Matplotlib
• Seaborn
• GeoPy

Vale ressaltar: gosto muito de feedbacks e insights de como posso melhorar meus projetos. Vou ficar muito feliz em receber suas observações e colaborações! Fique à vontade para me contatar em caso de dúvidas ou sugestões.

No mais, divirta-se e boa leitura! 😊