Curso
Análise Exploratória de Dados em Python
IntermediárioNível de habilidade
Atualizado 04/2026
PythonExploratory Data Analysis4 h14 vídeos49 Exercícios4,150 XP110K+Declaração de realização
Crie sua conta gratuita
Continuar com o GoogleMostrar mais opçõesou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.
Preferido por alunos de milhares de empresas
Treinando uma equipe?
Experimente para EmpresasDescrição do curso
Usando dados sobre números de desemprego e preços de passagens aéreas, você vai utilizar o Python para resumir e validar dados, calcular, identificar e substituir valores faltantes e limpar valores numéricos e categóricos. Ao longo do curso, você vai criar belas visualizações do Seaborn para entender as variáveis e suas relações.
Por fim, o curso mostra como as descobertas exploratórias alimentam os fluxos de trabalho da ciência de dados, criando novas variáveis independentes, equilibrando recursos categóricos e gerando hipóteses a partir das descobertas.
Ao final deste curso, você terá a confiança necessária para realizar sua própria análise exploratória de dados (, Exploratory Data Analysis) em Python. Você poderá explicar suas descobertas visualmente para outras pessoas e sugerir as próximas etapas para entender melhor os dados!
Pré-requisitos
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Familiarização com um conjunto de dados
Qual é a melhor maneira de abordar um novo conjunto de dados? Aprenda a validar e resumir dados categóricos e numéricos e a criar visualizações do Seaborn para comunicar suas descobertas.
2
Limpeza e imputação de dados
Explorar e analisar dados geralmente significa lidar com valores faltantes, tipos de dados incorretos e valores discrepantes. Neste capítulo, você vai aprender técnicas para lidar com essas questões e otimizar seus processos de EDA!
3
Relações em dados
As variáveis dos conjuntos de dados não existem de forma isolada; elas têm relações entre si. Neste capítulo, você vai examinar as relações entre dados numéricos, categóricos e até mesmo DateTime, explorando a direção e a força dessas relações, bem como as formas de visualizá-las.
4
Como transformar a análise exploratória em ação
A análise exploratória de dados é uma etapa crucial no fluxo de trabalho da ciência de dados, mas não é o fim! Agora é hora de aprender técnicas e considerações que você pode usar para avançar com sucesso em seus projetos depois de terminar a análise exploratória!
Análise Exploratória de Dados em Python
Curso concluído
Obtenha um certificado de conclusão
Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CVCompartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora
Faça como mais de 19 milhões de alunos e comece Análise Exploratória de Dados em Python hoje mesmo!
Crie sua conta gratuita
Continuar com o GoogleMostrar mais opçõesou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.
Desenvolva suas habilidades em dados com o app do DataCamp
Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.