Análise de Dados Pokémon com PokeAPI

Projeto Python que coleta, transforma e analisa dados de Pokémon da PokeAPI, gerando relatórios CSV, gráficos e logs.

---

1. Descrição do Projeto

Este projeto demonstra um fluxo completo de ETL (Extração, Transformação, Carga) com dados de Pokémon. Ele gera relatórios em CSV e gráficos que mostram estatísticas e distribuição por tipo de Pokémon. Também implementa logging para monitorar a execução.

---

2. Funcionalidades

• Extração de Dados: Busca informações detalhadas de Pokémon na PokeAPI.

• Transformação de Dados:

  • Identifica os 5 Pokémon com maior experiência base.
  • Categoriza Pokémon por experiência (Fraco, Médio, Forte).
  • Calcula média de HP, Ataque e Defesa por tipo.
  • Conta a quantidade de Pokémon por tipo.

• Geração de Relatórios: Salva dados em arquivos CSV.

• Visualização de Dados: Cria gráficos usando matplotlib e seaborn.

• Logging: Registra eventos, avisos e erros durante a execução.

---

3. Estrutura do Projeto

. # Diretório raiz
├── main.py
├── requirements.txt
├── Dockerfile
├── src/
│   ├── __init__.py
│   ├── analyze.py
│   ├── extract.py
│   └── transform.py
├── data/
│   └── reports/
│       ├── relatorio_pokemon_top5.csv
│       ├── relatorio_pokemon_stats.csv
│       └── distribuicao_por_tipo_pokemon.png
├── logs/                # Logs gerados durante execução

---

4. Tecnologias Utilizadas

• Python 3.x
• requests
• pandas
• matplotlib
• seaborn
• logging

---

5. Logging

O projeto cria logs detalhados de execução no diretório logs/:

• Formato do log:

  2025-09-27 14:00:00 [INFO] main: Iniciando execução do fluxo ETL
  2025-09-27 14:00:05 [WARNING] extract: Pokémon X não encontrado
  2025-09-27 14:00:10 [ERROR] transform: Falha ao calcular estatística
  

• Onde são gerados:

  • Localmente: dentro da pasta logs/ do projeto.
  • Docker: montando o volume -v $(pwd)/logs:/app/logs, os logs são persistidos no host.

• Vantagem: Permite monitorar erros, avisos e progresso sem precisar abrir o terminal.

---

6. Como Executar

6.1. Localmente

1. Clone o repositório e acesse o diretório:

git clone <https://github.com/Lindster-dev/pipeline_poke_api.git>
cd <pipeline_poke_api>

2. Crie e ative um ambiente virtual:

python3 -m venv venv
source venv/bin/activate  # Linux/macOS
# venv\Scripts\activate   # Windows

3. Instale dependências:

pip install -r requirements.txt

4. Execute o projeto:

python main.py

• Os relatórios e gráficos serão gerados em data/reports/.
• Os logs serão criados em logs/.

---

6.2. Usando Docker

1. Build da imagem Docker:

docker build -t pokemon-etl .

2. Executar o container:

docker run --rm -v $(pwd)/data:/app/data -v $(pwd)/logs:/app/logs pokemon-etl

• Os volumes -v garantem que logs e relatórios fiquem no host, mesmo após o container ser removido.
• O container executa main.py automaticamente.

---

7. Resultados Gerados

relatorio_pokemon_top5.csv

Top 5 Pokémon por experiência base.

relatorio_pokemon_stats.csv

Estatísticas médias (HP, Ataque, Defesa) por tipo.

distribuicao_por_tipo_pokemon.png

Gráfico de barras com distribuição de Pokémon por tipo.

Logs

• Arquivos de log detalhados por execução em logs/.