aula1-desafio8.md

Aula 1 - Desafio 07

Resumir os aprendizados desta aula

Desafios desta aula:

• Desafio 01: Investigar o por quê da classe "tratamento" ser tão desbalanceada
• Desafio 02: Plotar as 5 últimas linhas da tabela
• Desafio 03: Proporção das classes de tratamento
• Desafio 04: Quantos tipos de drogas foram investigado
• Desafio 05: Procurar na documentação do Pandas sobre o método dataframe.query
• Desafio 06: Renomear as colunas removendo o hífen
• Desafio 07: Melhorar a aparência dos gráficos, utilizando o matplotlib.pyplot

---

Quantidade de tratamentos utilizando drogas VS não utilizando drogas (com_controle)

Embora a quantidade de tratamentos utilizando drogas seja igual a 21948, em contrapartida, a quantidade de tratamentos sem drogas (com_controle) é igual a 1866. A princípio, parece ser uma desproporcionalidade, mas isso só fica visível dessa forma porque a análise nesse ponto é rasa, superficial, e precisa ser aprofundada.

Quantidade da utilização de cada tipo de substância / composto

Tabela 1

Composto	Quantidade
cacb2b860	1866
87d714366	718
9f80f3f77	246
8b87a7a83	203
5628cb3ee	202
...	...
f5487e91f	1
a9bc2c549	1
98c94f9b9	1
18a406358	1
98a2c9b21	1

Name: composto, Length: 3289, dtype: int64

Para aprofundar essa análise, é necessário identificar se existem mais de uma substância utilizada no tratamento sem drogas. Neste caso, é possível identificar que a substância utilizada foi apenas a denominada cacb2b860.

Note que, ao contar quantas vezes ela é utilizada, encontramos o mesmo valor de 1866 utilizado quando verificamos quantos tratamentos foram realizados anteriormente.

Confira abaixo que somente existe essa substância quando filtramos a coluna de "tratamento" para o valor de "com_controle".

Verificação de substâncias utilizadas no tratamento "com_controle"

array(['cacb2b860'], dtype=object)

Quantidade de utilização das substâncias

Tabela 2

tratamento	com_controle	com_droga
composto
---	---	---
00199ff52	0	6
00251fc41	0	6
00321ea80	0	12
0034c0847	0	6
0060e686f	0	6
...	...	...
ff9565933	0	6
ffd66e220	0	6
ffe357f8f	0	1
ffed8e1c9	0	6
fff7d208d	0	6

3289 rows × 2 columns

O método pd.crosstab do Pandas retornou a frequência que cada tipo de substância / droga foi utilizada nos 23814 tratamentos.

Desse valor, sabemos que precisamos subtrair a quantidade de tratamentos realizados sem drogas, que corresponde a 1866 tratamentos.

Assim, restam 21948, dos quais podemos verificar com o retorno acima que são exatamente 3288 drogas utilizadas, sendo que retiramos apenas 1 do total de linhas que o pd.crosstab retorna, devido a substância do tratamento com controle.

E se utilizarmos

dados['composto'].value_counts() 

podemos ver que a droga mais utilizada nos tratamentos é a denominada como 87d714366, da qual é utilizada 718 vezes.

Agora sabendo disso, percebemos que a quantidade de tratamentos não utilizando drogas foi maior que qualquer tratamento utilizando uma droga específica.

Ou seja, não existe nenhuma desproporcionalidade.

---

Proporção das classes de tratamento

---

Melhorar a aparência dos gráficos, utilizando o matplotlib.pyplot

---

🦁 Henrique Matheus Alves Pereira