Escolher horários de abertura com dados é um projeto prático de pandas e Matplotlib para quem já sabe ler, filtrar e agrupar dados. Ajude um espaço comunitário a comparar seus períodos de abertura de forma justa e produza uma análise reutilizável em Python, tabelas CSV completas, um gráfico real e uma recomendação condicionada à qualidade das observações.
Dois laboratórios guiados partem de um exemplo calculado à mão com oportunidades iguais e avançam para observações ausentes, taxas comparáveis e uma regra explícita de evidência. Um desafio independente transfere os mesmos métodos para outro espaço. Cada unidade começa com seus próprios dados e ambiente de trabalho preparados.
O que você aprenderá
Ao concluir o curso, você será capaz de:
- relacionar um plano de abertura às observações por chaves completas e únicas de data e período;
- distinguir horas de fechamento, registros ausentes e valores realmente iguais a zero visitantes;
- calcular horas planejadas, horas observadas, cobertura dos registros e visitantes por hora observada;
- aplicar limites públicos de elegibilidade, manter todos os líderes empatados e adiar a recomendação quando as evidências forem insuficientes;
- entregar tabelas CSV reproduzíveis e gráficos de totais e taxas com contagens de observações e cobertura visíveis;
- explicar por que taxas históricas descritivas não estabelecem o efeito de ampliar os horários.
Para quem é este curso
Este curso se destina a analistas iniciantes que querem transformar ferramentas conhecidas de agrupamento e visualização em uma decisão prática cuidadosa.
Pré-requisitos: Python básico, entrada de comandos no terminal, leitura de CSV, filtragem e agrupamento com pandas, e gráficos de barras com Matplotlib. O curso ensina a junção por chave composta, as distinções de dados ausentes e as regras de decisão necessárias.
Ambiente de aprendizagem: Uma WebIDE preparada no navegador com Python, pandas e Matplotlib. Os dados são sintéticos, e os rótulos e saídas do ambiente permanecem em inglês. Nenhuma instalação local é necessária.
Perguntas frequentes
Preciso de aprendizado de máquina ou estatística?
Não. Você fará uma comparação descritiva, sem treinar um modelo nem realizar um teste de significância.
O resultado precisa recomendar um único período vencedor?
Não. Resultados corretos mantêm todos os empates e podem adiar a recomendação quando nenhum período satisfaz a regra indicada. Os limites são regras do exercício, não garantias universais de confiança.
Quais resultados poderei guardar?
Scripts reutilizáveis, tabelas completas por hora e período, um gráfico PNG real e um breve conselho, preservando os dados originais. Cada unidade é inicializada independentemente e não precisa dos arquivos de uma VM anterior.
