import tkinter.messagebox

import pandas as pd
import customtkinter as ctk
from tkinter import messagebox

def inserir():
    nome_f = nome_l.get()
    idade_f = int(idade_l.get())
    sexo_f = sexo_l.get()
    pais_f = pais_l.get()
    add.append(nome_f)
    add.append(idade_f)
    add.append(sexo_f)
    add.append(pais_f)
    lista.append(add.copy())
    add.clear()
    nome_l.delete(0, ctk.END)
    idade_l.delete(0, ctk.END)
    sexo_l.delete(0, ctk.END)
    pais_l.delete(0, ctk.END)
    tkinter.messagebox.showinfo(title="Sucesso", message="Dados Adicionados!")


def mostrar():
    df = pd.DataFrame(lista, columns=['Nome', 'Idade', 'Sexo', 'Pais'])
    print(df)
    print('-'*40)
    print(f'Maior Idade: {df['Idade'].max()}')
    print(f'Menor Idade: {df['Idade'].min()}')
    print(f'Mediano de Idades: {df['Idade'].median()}')

add=[]
lista = []

janela = ctk.CTk()
janela.title('Registro')
ctk.set_appearance_mode('dark')
janela.geometry('250x180')


text_1 = ctk.CTkLabel(janela, text='Nome')
nome_l = ctk.CTkEntry(janela, width=200)
text_1.grid(row=0, column=0)
nome_l.grid(row=0, column=1)

text_2 = ctk.CTkLabel(janela, text='Idade')
idade_l = ctk.CTkEntry(janela, width=200)
text_2.grid(row=1, column=0)
idade_l.grid(row=1, column=1)

text_3 = ctk.CTkLabel(janela, text='Sexo')
sexo_l = ctk.CTkEntry(janela, width=200)
text_3.grid(row=2, column=0)
sexo_l.grid(row=2, column=1)

text_4 = ctk.CTkLabel(janela, text='Pais')
pais_l = ctk.CTkEntry(janela, width=200)
text_4.grid(row=3, column=0)
pais_l.grid(row=3, column=1)

inserir_dados = ctk.CTkButton(janela, text='Enviar', command=inserir)
inserir_dados.grid(row=4, column=1)

mostrar_dados = ctk.CTkButton(janela, text='Mostrar dados', command=mostrar)
mostrar_dados.grid(row=5, column=1)

janela.mainloop()


# Notas 2

import pandas as pd
import openpyxl

# Importando Dados CSV
df = pd.read_csv('dados_pacientes - dados_pacientes.csv')
# Análise Superficial
print(df.head())

# Importando Dados CSV
df2 = pd.read_excel('Base Aula 002-Exemplo.xlsx')

'''# Análise Superficial
print(df2.head()) # 5 Primeiras linhas
print(df2.tail()) # 5 Ultimas Linhas
print(df2.info()) # Informações
print(df2.describe()) # Medias gerais de vários tipos'''

# Filtrar

'''print(df2['Total'][df2['Vendedor'] == 'Caio'].sum()) # Soma as Vendas do Caio
print(df2['Total'][df2['Vendedor'] == 'Caio'].max()) # A A maior vendo do Caio
print(df2['Vendedor'].nunique()) # Numero de Vendedores
print(df2['Vendedor'].unique()) # Nomes dos Vendedores
print(df2['Produto'].value_counts()) # Quantidades de vendas de cada produto'''

# Ordenação

df2 = df2.sort_values(by= 'Total', ascending=False)
print(df2[['Total', 'Vendedor']])

# Agrupar Por
'''
print(df2[['Total', 'Vendedor', 'Produto', 'Quantidade']].groupby('Vendedor').sum())
print(df2[['Total', 'Vendedor', 'Produto', 'Quantidade']].groupby(['Vendedor', 'Produto']).sum())

# Seleção de Colunas

Vendas_caio = df2[df2['Vendedor'] == 'Caio']
Vendas_caio_Matriz = df2[(df2['Vendedor'] == 'Caio') & (df2['Loja'] == 'Matriz')]
print(Vendas_caio_Matriz.head())'''

# inserir Colunas

df2['Comissão'] = df2['Total'] * 0.05
print(df2.info())
print(df2[['Total', 'Comissão']])

Ex 21:

#1.Importe a Base Aula 002 - Exemplo.xlsx
#
#2. Encontre a Informação
#   2.1 - Qual país vendeu mais(Total)?
#   2.2 - Qual o melhor vendedor?
#   2.3 - Qual o melhor tipo de loja?
#   2.4 - Qual é o tipo de envio mais usado?
#   2.5 - Qual o público que mais atendemos (Gênero)?
#   2.6 - Quem fez as 3 maiores vendas?
#   2.7 - Adicione uma nova coluna comissão (Total * 5%)

import pandas
import openpyxl
import pandas as pd

tabela = pd.read_excel('Base Aula 002-Exemplo.xlsx')
print(tabela.info())

print('_'*40, 'MAIS VENDAS:')
pais_que_mais_vendeu = print(tabela['País'].value_counts().head(1))

print('_'*40, 'MELHOR VENDEDOR:')
melhor_vendedor = tabela[['Total', 'Vendedor']].groupby('Vendedor').sum()
print(melhor_vendedor.sort_values(by= 'Total', ascending=False).head(1))

print('_'*40, 'MELHOR LOJA:')
melhor_loja = tabela[['Loja', 'Total', 'Quantidade']].groupby('Loja').sum()
print(melhor_loja.sort_values(by= 'Total', ascending=False).head(1))

print('_'*40, 'ENVIO MAIS USADO:')
loja_mais_usada = tabela[['Tipo de Envio', 'Quantidade']].groupby('Tipo de Envio').sum()
print(loja_mais_usada.sort_values(by= 'Quantidade', ascending=False).head(1))

print('_'*40, 'GÊNERO:')
generos = tabela['Gênero'].value_counts()
print(generos)


# Exportar

df.to_excel('planilha_corrigida.xlsx')

#ETL

df = pd.read_csv('dados_pacientes - dados_pacientes.csv')
'''# print(df.head())
print(df.isna()) # Mostra qual é vazia True e False
print(df.isna().sum()) # Contabiliza a quantidade de colunas e linhas vazias
#print(df.info())'''

'''df = df.dropna() # Deleta todas as colunas com vazios (CUIDADO)
print(df.isna().sum())'''
# df.dropna(inplace = True)
'''df.dropna(inplace=True, thresh=1)
df.dropna(inplace=True, thresh=1, axis=1)'''

'''# preencher
df.fillna(value=0, inplace=True)
'''

# Troca um item específico da lista 
df = df['Nome_Paciente'].replace('Paciente_1', 'João')

print(df.isna().sum())
print(df.info())
print(df.head())


# Exercicio 22

import openpyxl
import pandas as pd

#ETL

df = pd.read_csv('Vendas_Incorreto - Exemplo.csv')

# Tabela Base
print(df.info())

# Tabela Corrigida
df.dropna(inplace=True, thresh=1)
df.dropna(inplace=True, thresh=1, axis=1)
print(df.info())

print('Quantidade de Produtos vendidos')
print(df['Produto'].value_counts())

print('Vendedores:', df['Vendedor'].unique())

print(df[['Vendedor', 'Quantidade']].groupby('Vendedor').sum())
print(df[['Gênero', 'Quantidade']].groupby('Gênero').sum())

print(df[['Loja', 'Total']].groupby('Loja').sum())

####### Exercicio 23

import pandas as pd
import openpyxl

df = pd.read_csv('Salarios.csv')

quant = len(df)

print(df.head(quant))

print(df.info())

print(f'A média de salário base é: {(float(df['BasePay'].mean())):.2f}')

print(f'A maior hora extra paga é: {(float(df['OvertimePay'].max())):.2f}')

print(f'A profissão do Joseph é: {df[df['EmployeeName'] == 'JOSEPH DRISCOLL']['JobTitle'].values[0]}')

print(f'O nom da pessoa com maior salário é: {df['EmployeeName'][df['BasePay'] == df['BasePay'].max()].values[0]}')

media_pagamento = df.groupby('Year')['TotalPay'].mean().sort_values(ascending=False)

print(f'A média de pagamento por ano é:
{media_pagamento}')




PROJETO

import pandas as pd
import openpyxl
import seaborn as sns
import matplotlib.pyplot as plt

# Importando Dados CSV
df = pd.read_csv('vinho.csv')

# Remover a coluna 'Unnamed: 0'
df.drop(columns=['Unnamed: 0'], inplace=True)

# Preencher NaN nas colunas numéricas com 0
df[['points', 'price']] = df[['points', 'price']].fillna(0)
df[['country', 'designation', 'province', 'region_1', 'region_2', 'taster_name', 'taster_twitter_handle', 'variety']] = df[['country', 'designation', 'province', 'region_1', 'region_2', 'taster_name', 'taster_twitter_handle', 'variety']].fillna('-')

# Definir a quantidade máxima de colunas a serem exibidas
pd.set_option('display.max_columns', None)  # Exibe todas as colunas

# Definir a quantidade máxima de linhas a serem exibidas (opcional)
pd.set_option('display.max_rows', 50)  # Exibe até 50 linhas

# Exibir as primeiras 50 linhas do DataFrame
print(df.head(50))


print(df.info())

import pandas as pd
import openpyxl
import seaborn as sns
import matplotlib.pyplot as plt

# Importando Dados CSV
df = pd.read_csv('vinho.csv')

# Remover a coluna 'Unnamed: 0'
df.drop(columns=['Unnamed: 0'], inplace=True)

# Preencher NaN nas colunas numéricas com 0
df[['points', 'price']] = df[['points', 'price']].fillna(0)
df[['country', 'designation', 'province', 'region_1', 'region_2', 'taster_name', 'taster_twitter_handle', 'variety']] = df[['country', 'designation', 'province', 'region_1', 'region_2', 'taster_name', 'taster_twitter_handle', 'variety']].fillna('-')

# Definir a quantidade máxima de colunas a serem exibidas
pd.set_option('display.max_columns', None)  # Exibe todas as colunas

# Definir a quantidade máxima de linhas a serem exibidas (opcional)
pd.set_option('display.max_rows', 50)  # Exibe até 50 linhas

vendas_paises = df['country'].value_counts().reset_index()

# PAÍSES COM MAIOR QUANTIDADE DE VENDAS.
print('PAÍSES COM MAIOR QUANTIDADE DE VENDAS:')
# print(vendas_paises.head(50).to_string(index=False))

for index, row in vendas_paises.head(50).iterrows():
    print(f"{row['country'].ljust(30)} {str(row['count']).rjust(10)}")
'''
# Exibir as primeiras 50 linhas do DataFrame
print(df.head(50))
print(df.info())
print(df.describe())'''

# Definindo o estilo do gráfico
sns.set(style="whitegrid")

# Criando o gráfico de barras
plt.figure(figsize=(12, 6))  # Define o tamanho da figura
sns.barplot(data=vendas_paises.head(10), x='count', y='country', palette='viridis')

# Adicionando título e rótulos
plt.title('PAÍSES COM MAIOR QUANTIDADE DE VENDAS', fontsize=16)
plt.xlabel('Quantidade de Vendas', fontsize=14)
plt.ylabel('Países', fontsize=14)

# Exibindo o gráfico
plt.show()