Skip to content

Análise de dados de veículos respondendo a um desafio do workshop da EBAC. O projeto utiliza Python e Pandas para calcular custos e extrair insights sobre consumo, preço e manutenção.

License

Notifications You must be signed in to change notification settings

OYanEnrique/desafio-ebac-veiculos

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Análise de Dados de Veículos - Desafio EBAC

Este repositório contém a solução para o desafio proposto no workshop "Analistas de Dados: Como vivem? Onde comem? O que fazem?" da EBAC (Escola Britânica de Artes Criativas & Tecnologia). O projeto consiste em uma análise exploratória de um dataset sobre carros, utilizando Python e a biblioteca Pandas em um Jupyter Notebook.

📄 O Desafio

O objetivo era utilizar o dataset fornecido para responder a uma série de perguntas de negócio e, ao final, resolver um "Super Desafio" envolvendo o cálculo do custo total de propriedade de um veículo ao longo de dois anos.

Desafio Proposto

As perguntas a serem respondidas foram:

  1. Quais são as variáveis numéricas do dataset?
  2. Quais são os 5 carros que mais consomem gasolina na cidade?
  3. Qual a média de consumo de álcool tanto na cidade quanto na estrada?
  4. Criar uma nova coluna contendo o nome da Montadora para cada carro.
  5. Listar as 5 montadoras com a maior média de preço de carros.
  6. Listar os 10 carros com menor custo de manutenção.
  7. Informar o carro mais vendido para cada montadora.
  8. (SUPER DESAFIO) Criar uma nova coluna contendo o custo total do carro em 2 anos, considerando:
    • Preço inicial do veículo.
    • Custo total de consumo de gasolina (média de 150L/mês).
    • Custo total de IPVA (4% do valor do carro por ano).
    • Custo total de revisão (1 revisão por ano).

🛠️ Ferramentas Utilizadas

  • Linguagem: Python
  • Biblioteca: Pandas
  • Ambiente: Jupyter Notebook (via Google Colab)

🔍 Análise e Resultados

A análise foi estruturada para responder a cada uma das perguntas do desafio. Abaixo estão os principais resultados encontrados:

1. Variáveis Numéricas

O dataset possui 8 variáveis numéricas: Unnamed: 0, preco, unidades_vendidas, cidade_alcool, cidade_gasolina, estrada_alcool, estrada_gasolina e custo_revisao.

2. Top 5 Carros com Maior Consumo de Gasolina (Menor km/l)

Modelo Consumo (km/l)
Volkswagen T-Cross 10.0
Hyundai Creta 10.1
Renault Duster 10.5
Fiat Fiorino 10.7
Renault Oroch 11.1

3. Média de Consumo de Álcool

  • Na Cidade: 8.73 km/l
  • Na Estrada: 9.90 km/l

4. Montadoras com Maior Média de Preço

  1. Nissan: R$ 114.998,50
  2. Chevrolet: R$ 101.001,00
  3. Peugeot: R$ 100.165,00
  4. Volkswagen: R$ 98.111,67
  5. Toyota: R$ 96.208,00

5. Top 10 Carros com Menor Custo de Manutenção

Modelo Custo Revisão (R$)
Hyundai HB20 2.946,10
Hyundai HB20S 2.946,10
Nissan Kicks 3.006,00
Renault Kwid 3.162,95
... ...

6. Carro Mais Vendido por Montadora

Montadora Modelo Unidades Vendidas
Volkswagen Volkswagen Polo 16.471
Hyundai Hyundai HB20 12.126
Fiat Fiat Strada 10.387
Chevrolet Chevrolet Onix 10.260
... ... ...

7. Custo Total de Propriedade em 2 Anos (Super Desafio)

Considerando o preço de compra e os custos de gasolina, IPVA e revisões, o Fiat Mobi se destacou como o carro com o menor custo total após 2 anos, totalizando R$ 96.877,24.

🚀 Como Executar o Projeto

  1. Clone este repositório.
  2. Certifique-se de ter o Python e o Jupyter Notebook instalados.
  3. Instale a biblioteca Pandas (pip install pandas openpyxl).
  4. Abra o arquivo desafio_ebac.ipynb no Jupyter Notebook e execute as células.

About

Análise de dados de veículos respondendo a um desafio do workshop da EBAC. O projeto utiliza Python e Pandas para calcular custos e extrair insights sobre consumo, preço e manutenção.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published