Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/victorlcastro-dsa/projeto-santandercoders-eda
Análise exploratória de dados (EDA) realizada em grupo sobre o impacto das mudanças climáticas na agricultura. O projeto examina dados climáticos e agrícolas para identificar padrões, correlações e outliers. Utiliza Python para limpeza, visualização e modelagem, com foco em entender efeitos climáticos e na agricultura.
https://github.com/victorlcastro-dsa/projeto-santandercoders-eda
agriculture climate-change exploratory-data-analysis project-based-learning santander-coders
Last synced: about 23 hours ago
JSON representation
Análise exploratória de dados (EDA) realizada em grupo sobre o impacto das mudanças climáticas na agricultura. O projeto examina dados climáticos e agrícolas para identificar padrões, correlações e outliers. Utiliza Python para limpeza, visualização e modelagem, com foco em entender efeitos climáticos e na agricultura.
- Host: GitHub
- URL: https://github.com/victorlcastro-dsa/projeto-santandercoders-eda
- Owner: victorlcastro-dsa
- Created: 2024-09-06T22:48:20.000Z (2 months ago)
- Default Branch: main
- Last Pushed: 2024-09-10T23:36:44.000Z (2 months ago)
- Last Synced: 2024-09-12T04:30:09.736Z (2 months ago)
- Topics: agriculture, climate-change, exploratory-data-analysis, project-based-learning, santander-coders
- Language: Jupyter Notebook
- Homepage:
- Size: 40.5 MB
- Stars: 0
- Watchers: 1
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
---
### **Título do Projeto:**
[Impacto das Mudanças Climáticas na Agricultura](notebook/EDA.ipynb)
### **Descrição:**
Este projeto visa analisar o impacto das mudanças climáticas na agricultura utilizando um conjunto de dados relevante. O objetivo é entender diferentes variáveis climáticas podem afetar a produção agrícola e entender os padrões que podem ser utilizados para a tomada de decisão na área.
### **Objetivo Principal:**
Fazer uma análise exploratória para compreensão dos dados presentes no dataset.
### **Etapas:**
1. Definição do problema.
2. Obtenção e exploração dos dados.
### **Requisitos:**
- Python 3.11.9
- Bibliotecas: pandas, numpy, matplotlib, seaborn, scipy, plotly
---
O dataset contém 10.000 registros e 15 colunas, com diferentes tipos de variáveis, incluindo atributos numéricos e categóricos. Aqui está uma visão geral das colunas:
| **Nome da Coluna** | **Descrição** | **Tipo de Dado** |
|----------------------------------|--------------------------------------------------|------------------|
| **Year** | Ano da coleta dos dados | int64 |
| **Country** | País onde os dados foram coletados | object |
| **Region** | Região dentro do país | object |
| **Crop_Type** | Tipo de cultura | object |
| **Average_Temperature_C** | Temperatura média em graus Celsius | float64 |
| **Total_Precipitation_mm** | Precipitação total em milímetros | float64 |
| **CO2_Emissions_MT** | Emissões de CO2 em milhões de toneladas | float64 |
| **Crop_Yield_MT_per_HA** | Produção de culturas em toneladas por hectare | float64 |
| **Extreme_Weather_Events** | Número de eventos climáticos extremos | int64 |
| **Irrigation_Access_%** | Porcentagem de acesso à irrigação | float64 |
| **Pesticide_Use_KG_per_HA** | Uso de pesticidas em kg por hectare | float64 |
| **Fertilizer_Use_KG_per_HA** | Uso de fertilizantes em kg por hectare | float64 |
| **Soil_Health_Index** | Índice de saúde do solo | float64 |
| **Adaptation_Strategies** | Estratégias de adaptação adotadas | object |
| **Economic_Impact_Million_USD** | Impacto econômico em milhões de dólares | float64 |
---