Question

Uma equipe de planejamento da SEPLAG está preparando um conjunto de dados para análise em Python, usando Pandas. O DataFrame df contém informações sobre projetos estratégicos, incluindo colunas como projeto, responsavel, orcamento, prazo_dias e cpf_responsavel. Durante a análise exploratória, foram identificados valores ausentes em prazo_dias, duplicatas em projeto e valores extremos em orcamento. Além disso, os dados serão compartilhados com parceiros externos. Em condições ideais, uma prática que se adequa a este cenário é

Accepted Answer

C) aplicar um tipo de anonimização na coluna cpf_responsavel, utilizando um salt, com df['cpf_responsavel'] = df['cpf_responsavel'].apply(lambda x: hash(salt + str(x))), que converte os CPFs em identificadores não reversíveis e menos suscetíveis à reidentificação.

Answer

A) criar os gráficos finais primeiro e realizar a análise exploratória em seguida, pois isso evita alterações nos dados que possam comprometer a visualização.

Answer

B) remover valores ausentes em prazo_dias, usando df.dropna(subset='prazo_dias'), o que garante que todos os registros com dados incompletos sejam eliminados.

Answer

D) promover a detecção de outliers em orçamento, usando df['orcamento'] = df['orcamento'].drop_outliers(), pois esses valores indicam desvios estatísticos significativos em relação à média ou à massa total dos dados.

Answer

E) remover duplicatas em projeto, usando o comando df.drop_duplicates(subset=None, keep=None, inplace=False), que verifica a coluna projeto e remove todos os registros duplicados diretamente sobre o Dataframe df.

Mais questões de Outros temas