NEW
Font size
WorksheetsRevisão para prova
Total questions: 12
Worksheet time: 36mins
Considere o trecho de código: df.describe().round(2). Com base nele, qual é a finalidade principal da função describe() aplicada a um DataFrame do Pandas?
Exibir o conteúdo completo do DataFrame.
Retornar um resumo estatístico das colunas numéricas.
Arredondar todos os valores de texto.
Excluir colunas não numéricas.
Gerar automaticamente gráficos de dispersão.
Considere um DataFrame que contém colunas de diferentes tipos de dados, incluindo objetos, datas e números. Ao utilizar df.corr(numeric_only=True).round(4), explique por que pode ser importante definir o parâmetro numeric_only=True e quais consequências podem ocorrer se ele não for especificado, especialmente em relação à presença de colunas não numéricas.
O parâmetro força a conversão de todas as colunas para inteiros antes do cálculo da correlação.
Permite que colunas categóricas sejam incluídas no cálculo da correlação.
Garante que apenas colunas numéricas sejam consideradas, evitando erros ou resultados inesperados causados por colunas de outros tipos.
Exibe apenas os valores arredondados, independentemente do tipo de dado.
Calcula a média de todos os dados presentes no DataFrame.
Considere o comando do Matplotlib: fig, ax = plt.subplots(figsize=(20,6)). Suponha que você deseja criar múltiplos gráficos em uma mesma figura, cada um com diferentes dimensões e propriedades. Qual é o papel fundamental da função plt.subplots nesse contexto avançado de visualização?
Gerar automaticamente múltiplos tipos de gráficos sem necessidade de configuração adicional.
Permitir a criação de uma figura com múltiplos eixos personalizados, facilitando o controle sobre o layout e o tamanho de cada subplot.
Calcular relações estatísticas entre os dados apresentados nos gráficos.
Definir títulos e rótulos de todos os subplots simultaneamente.
Exibir estatísticas descritivas para cada eixo criado.
Ao utilizar o comando df.info() em um DataFrame do Pandas que contém colunas com diferentes tipos de dados, valores ausentes e índices personalizados, qual das seguintes afirmações descreve corretamente o conjunto de informações fornecidas por essa função?
Exibe apenas um resumo estatístico das colunas numéricas, ignorando colunas categóricas e valores ausentes.
Mostra o tipo de dados de cada coluna, a quantidade de valores não nulos, o uso de memória do DataFrame e detalhes sobre o índice.
Gera automaticamente gráficos de dispersão para todas as colunas numéricas e categóricas.
Arredonda todos os valores do DataFrame para o inteiro mais próximo.
Remove colunas que possuem valores ausentes ou tipos de dados não numéricos.
Considere o comando plt.title('Distribuição de Idades') em um contexto onde múltiplos gráficos são exibidos em uma mesma figura utilizando Matplotlib. Explique como essa função pode ser utilizada para melhorar a interpretação dos dados apresentados, especialmente quando se trabalha com subplots.
Permite calcular automaticamente estatísticas para cada subplot.
Define o título individual de cada subplot, facilitando a identificação dos dados representados.
Altera o layout dos subplots para melhor visualização.
Exibe uma legenda global para todos os subplots.
Remove os títulos dos subplots para evitar sobreposição de informações.
No Pandas, ao executar df.value_counts(), qual é o objetivo principal dessa função?
Calcular a correlação entre variáveis numéricas.
Gerar automaticamente gráficos de barras.
Exibir o conteúdo completo do DataFrame.
Contar a frequência de valores únicos em uma coluna.
Arredondar todos os valores numéricos.
Ao utilizar o comando plt.xlabel('Ano') em um gráfico Matplotlib, qual seria o impacto na interpretação dos dados caso esse comando fosse omitido, especialmente em um contexto de análise temporal?
Os dados seriam automaticamente agrupados por ano.
O eixo x ficaria sem identificação, dificultando a compreensão do período representado.
O gráfico exibiria apenas valores médios do eixo x.
O título do gráfico seria alterado para 'Ano'.
Os rótulos dos eixos seriam removidos automaticamente.
Ao utilizar df.head(5) em um DataFrame do Pandas, o que será exibido?
Os cinco primeiros registros do DataFrame.
Um resumo estatístico das colunas numéricas.
O tipo de dados de cada coluna.
Os cinco últimos registros do DataFrame.
Um gráfico de barras dos dados.
No Matplotlib, como plt.legend() pode ser utilizado para personalizar a exibição de múltiplas séries de dados em um gráfico com sobreposição, e quais parâmetros permitem modificar a posição e o estilo da legenda?
Definindo o título do gráfico e ajustando o tamanho da figura.
Utilizando plt.legend() para calcular estatísticas entre séries de dados.
Exibindo uma legenda identificando cada série, e utilizando parâmetros como 'loc' e 'fontsize' para modificar posição e estilo.
Removendo rótulos dos eixos e alterando a cor das linhas.
Aplicando plt.legend() para filtrar dados exibidos no gráfico.
Ao utilizar o comando df.tail(3) em um DataFrame do Pandas, o que será exibido?
Os três últimos registros do DataFrame.
Um gráfico de dispersão dos dados.
Um resumo estatístico das colunas numéricas.
O tipo de dados de cada coluna.
Os três primeiros registros do DataFrame.
Qual é a principal finalidade do comando plt.ylabel('Quantidade') ao criar um gráfico com Matplotlib?
Remover os rótulos dos eixos.
Alterar o título do gráfico.
Calcular a média dos valores do eixo y.
Exibir estatísticas descritivas.
Definir o rótulo do eixo y do gráfico.
No Pandas, ao executar df.columns, qual informação é retornada?
O tipo de dados de cada coluna.
Um resumo estatístico das colunas numéricas.
Os valores únicos de uma coluna específica.
Os cinco primeiros registros do DataFrame.
Uma lista com os nomes das colunas do DataFrame.
