https://github.com/benzerinsio/winequality-eda
📊 Análise Exploratória de Dados (EDA) - Vinhos Tintos | Exploração de características físico-químicas e sua relação com qualidade
https://github.com/benzerinsio/winequality-eda
analise-de-dados analise-exploratoria analise-exploratoria-de-dados data-visualization eda exploratory-analysis exploratory-data-analysis food-science python quality-control seaborn wine wine-quality
Last synced: 6 months ago
JSON representation
📊 Análise Exploratória de Dados (EDA) - Vinhos Tintos | Exploração de características físico-químicas e sua relação com qualidade
- Host: GitHub
- URL: https://github.com/benzerinsio/winequality-eda
- Owner: benzerinsio
- Created: 2025-02-27T20:33:07.000Z (7 months ago)
- Default Branch: main
- Last Pushed: 2025-03-11T02:03:13.000Z (7 months ago)
- Last Synced: 2025-03-11T03:18:58.650Z (7 months ago)
- Topics: analise-de-dados, analise-exploratoria, analise-exploratoria-de-dados, data-visualization, eda, exploratory-analysis, exploratory-data-analysis, food-science, python, quality-control, seaborn, wine, wine-quality
- Language: Jupyter Notebook
- Homepage:
- Size: 1.59 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 🍷 Avaliação de Qualidade de Vinhos
*Projeto de Análise Exploratória de Dados (EDA) - Felipe V. Sousa*
Bem-vindo(a)! Este repositório apresenta uma **Análise Exploratória de Dados (EDA)** no conjunto de dados de vinhos tintos, explorando características físico-químicas e sua relação com a qualidade.
🔗 [Visualizar o Notebook](https://github.com/benzerinsio/WineQuality-EDA/blob/main/EDA-WineQuality.ipynb)
## 🎯 Objetivo da Análise
Analisar um conjunto de dados com 11 características físico-químicas de vinhos tintos (como `alcohol`, `volatile acidity` e `pH`) e a nota de qualidade (`quality`), para entender distribuições, identificar padrões e explorar associações que influenciam o sabor, gerando insights práticos e preparando uma base para futuros projetos.
## 📊 Fonte de Dados
Os dados vêm do arquivo `winequality-red.csv` (UCI Machine Learning Repository), contendo 1.599 registros de vinhos tintos. Utilizamos duas versões: `vinhos` (bruto) e `vinhos_alterado` (tratado com remoção de duplicatas e transformação logarítmica).
## 🛠️ Bibliotecas Utilizadas
- **Pandas**: Manipulação e análise de dados.
- **NumPy**: Cálculos numéricos e transformações (ex.: log).
- **Seaborn**: Visualizações estatísticas como histogramas e scatters.
- **Matplotlib**: Criação de gráficos lado a lado.
- **Scikit-learn**: Normalização com StandardScaler.
## 💬 Conclusão
Este projeto realizou uma **Análise Exploratória de Dados (EDA)** no dataset de vinhos tintos, tratando duplicatas (15% removidos) e aplicando transformação logarítmica para suavizar outliers. A análise revelou que maior teor alcoólico (`alcohol`) e menor acidez volátil (`volatile acidity`) estão associados a melhor qualidade, embora com correlações moderadas (0.48 e -0.39). Os dados tratados em `vinhos_alterado` oferecem uma base sólida para futuros estudos, como Machine Learning, e sugerem ajustes químicos pra melhorar o sabor dos vinhos.