Este é um projeto estruturado para estudo e prática de análise de dados em Python, criado em 6 de outubro de 2025.
analise_de_dados/
│
├── datas/ # Diretório para armazenar arquivos de dados
├── notebooks/ # Diretório para armazenar notebooks Jupyter
│ └── heart_analise.ipynb # Notebook de análise de dados cardíacos
├── requirements.txt # Dependências do projeto
└── README.md # Este arquivo
- Python 3.8 ou superior (compatível com Python 3.12)
- Bibliotecas listadas em
requirements.txt - Pacotes de sistema: python3-distutils, python3-dev (instalados automaticamente pelo script)
-
Clone este repositório:
git clone https://github.com/Alexseyf/eda_python.git cd analise_de_dados -
Crie e ative um ambiente virtual Python:
python3 -m venv venv source venv/bin/activate -
Instale as dependências do projeto:
pip install --upgrade pip wheel setuptools pip install -r requirements.txt -
Inicie o JupyterLab:
jupyter labou o Jupyter Notebook:
jupyter notebook
-
Ative o ambiente virtual:
source venv/bin/activate -
Inicie o JupyterLab ou Notebook:
jupyter labou
jupyter notebook
-
Para encerrar o JupyterLab:
- Pressione
Ctrl+Cduas vezes no terminal onde o JupyterLab está sendo executado - Ou feche a guia do navegador e termine o processo no terminal com
Ctrl+C
- Pressione
-
Para desativar o ambiente virtual após encerrar o JupyterLab:
deactivateEste comando desativa o ambiente virtual Python, retornando ao ambiente Python do sistema.
Se encontrar problemas ao executar os notebooks, tente:
-
Instalar manualmente os pacotes de sistema necessários:
sudo apt-get update sudo apt-get install -y python3-distutils python3-dev -
Reinstalar o ambiente virtual:
rm -rf venv python3 -m venv venv source venv/bin/activate pip install --upgrade pip wheel setuptools pip install -r requirements.txt -
Corrigir problemas com o kernel Jupyter:
# No ambiente virtual ativado python -m ipykernel install --user --name=venv-analise-dados --display-name="Python (Análise de Dados)" -
Se encontrar problemas específicos com visualizações:
source venv/bin/activate pip install matplotlib seabornOs notebooks utilizam Matplotlib e Seaborn para todas as visualizações de dados.
- numpy: Computação numérica
- pandas: Manipulação e análise de dados
- matplotlib e seaborn: Visualização de dados estáticas e interativas
- scikit-learn: Aprendizado de máquina
- jupyter e jupyterlab: Ambiente de notebook interativo
- openpyxl: Suporte para arquivos Excel
- statsmodels: Modelos estatísticos e testes
- Crie um branch para feature (
git checkout -b feature/sua-feature) - Faça commit das alterações (
git commit -am 'Adiciona nova feature') - Envie para o branch (
git push origin feature/sua-feature) - Crie um Pull Request