# Executar a seguinte linha instalará a biblioteca 'pandasai'
!pip install pandasai

# Importe a biblioteca pandas, comumente usada para manipulação e análise de dados
import pandas as pd

# Importe o módulo pyplot da biblioteca matplotlib, usado para plotagem e visualização
import matplotlib.pyplot as plt

# Importe a classe Agent do módulo pandasai, que pode interagir com modelos de linguagem grandes (LLMs)
from pandasai import Agent

# Importe a classe SmartDataframe do módulo pandasai, que adiciona recursos aprimorados de manipulação de dados
from pandasai import SmartDataframe

# Importe a classe OpenAI dentro do submódulo pandasai.llm.openai, que permite a interface com os modelos de linguagem do OpenAI
from pandasai.llm.openai import OpenAI

# Leia dados de um arquivo CSV disponível na URL fornecida e armazene-os em um DataFrame chamado vendas_df
# A função read_csv busca os dados e os estrutura em um formato adequado para análise
vendas_df = pd.read_csv('https://infinitepy.s3.amazonaws.com/samples/dados_vendas.csv')

# 'head()' é um método embutido no DataFrame do pandas que retorna as primeiras n linhas.
# Por padrão, ele retorna as primeiras 5 linhas. Você pode especificar um número diferente como argumento, como 'head(10)' para as primeiras 10 linhas.
vendas_df.head()

# Importando o módulo 'userdata' do google.colab, que permite que você acesse dados específicos do usuário.
from google.colab import userdata

# Buscando a chave da API OpenAI dos dados do usuário armazenados no Google Colab.
api_token = userdata.get('OPENAI_API_KEY')

# Criando uma instância da classe OpenAI passando o token da API.
# Esta instância será usada para interagir com o modelo de linguagem do OpenAI (LLM).
llm = OpenAI(api_token=api_token)

# Encapsulando um DataFrame existente (vendas_df) em um objeto SmartDataframe.
# Passamos a instância 'llm' como parte da configuração para habilitar recursos de linguagem natural ou outros recursos alimentados pelo modelo OpenAI.
vendas_smart_df = SmartDataframe(vendas_df, config={"llm": llm})

# Remova linhas duplicadas do DataFrame 'vendas_df' no local.
# Isso significa que quaisquer linhas duplicadas serão removidas diretamente do objeto 'vendas_df', e nenhuma cópia do DataFrame será criada.
vendas_df.drop_duplicates(inplace=True)

# Preencha quaisquer valores ausentes (NaN) no DataFrame 'vendas_df' com 0.
# O parâmetro 'inplace=True' significa que o DataFrame será modificado diretamente, sem criar uma cópia.
vendas_df.fillna(0, inplace=True)
vendas_df

vendas_smart_df.chat("Remover duplicatas e preencha valores ausentes")

# Use groupby() para agrupar os dados pela coluna 'Região'
# Em seguida, encadeie .sum() para calcular as vendas totais para cada região
total_vendas_por_regiao = vendas_df.groupby('Região')['Vendas'].sum()

# Imprime o resultado que mostra as vendas totais por região
total_vendas_por_regiao

vendas_smart_df.chat("Calcular vendas totais por região")

# Agrupe os dados de vendas pelo 'Produto' e some as 'Vendas' para cada produto.
vendas_por_produtos_df = vendas_df.groupby('Produto')['Vendas'].sum()

# Ordene as vendas somadas em ordem decrescente para obter os produtos mais vendidos no topo.
vendas_ordenadas_por_produtos_mais_vendidos_df = vendas_por_produtos_df.sort_values(ascending=False)

# Selecione os 5 principais produtos com as maiores vendas.
cinco_produtos_com_mais_vendas_df = vendas_ordenadas_por_produtos_mais_vendidos_df.head(5)

# Imprime o resultado para ver os nomes e as vendas dos 5 principais produtos.
cinco_produtos_com_mais_vendas_df

# Descartar duplicatas e encaminhar preencher valores faltantes
vendas_df.drop_duplicates(inplace=True)
vendas_df.fillna(method='ffill', inplace=True)

# Definir a ordem cronológica correta para os meses
month_order = ['Janeiro', 'Fevereiro', 'Março', 'Abril', 'Maio', 'Junho', 'Julho', 'Agosto', 'Setembro', 'Outubro', 'Novembro', 'Dezembro']

# Converter a coluna 'Mês' para um tipo categórico com a ordem especificada
vendas_df['Mês'] = pd.Categorical(vendas_df['Mês'], categories=month_order, ordered=True)

# Tabela dinâmica para calcular o total de vendas por mês para cada região
monthly_sales = vendas_df.pivot_table(index='Mês', columns='Região', values='Vendas', aggfunc='sum')

# Filtrar o DataFrame para incluir apenas dados de janeiro a junho
filtered_monthly_vendas_df = monthly_sales.loc['Janeiro':'Junho']

# Plotar a tendência de vendas mensal para cada região
fig, ax = plt.subplots(figsize=(12, 8))
filtered_monthly_vendas_df.plot(kind='line', marker='o', ax=ax)
plt.title('Tendência de vendas mensal por região (janeiro a Junho)')
plt.xlabel('Mês')
plt.ylabel('Vendas')
plt.legend(title='Região')
plt.xticks(rotation=45)
plt.grid(True)
plt.show()

vendas_smart_df.chat("Calcular até o mês de junho, a tendência de vendas mensalmente para cada região")

# Calcular a participação nas vendas de cada produto
sales_share = vendas_df.groupby('Produto')['Vendas'].sum() / vendas_df['Vendas'].sum() * 100

# Plotar a participação nas vendas como um gráfico de pizza
sales_share.plot(kind='pie', autopct='%1.1f%%', figsize=(8, 8))
plt.title('Participação nas vendas por produto')
plt.ylabel('') # Ocultar o rótulo y
plt.show()

vendas_smart_df.chat("Gráfico de pizza da participação nas vendas por produto")

🔔 Assine o InfinitePy Newsletter para mais recursos e uma abordagem passo a passo para aprender Python, e fique atualizado com as últimas tendências e dicas práticas.