Avançando

Indo além do básico

Com os fundamentos dominados, é hora de avançar. Este arquivo cobre padrões e práticas para trabalhar com dados de forma mais robusta.

Tópicos

Joins e Relacionamentos

Combinar dados de múltiplas tabelas é essencial no dia a dia.

-- Pedidos com dados do cliente
SELECT p.id, c.nome, p.valor
FROM pedidos p
JOIN clientes c ON p.cliente_id = c.id;

-- LEFT JOIN para incluir registros sem correspondência
SELECT c.nome, COUNT(p.id) AS total_pedidos
FROM clientes c
LEFT JOIN pedidos p ON c.id = p.cliente_id
GROUP BY c.nome;

Limpeza de Dados

Dados reais são sujos. Tratar isso é parte fundamental do trabalho.

# Verificar valores nulos
df.isnull().sum()

# Preencher ou remover
df['coluna'].fillna(0)
df.dropna(subset=['coluna_critica'])

# Remover duplicatas
df.drop_duplicates()

# Normalizar texto
df['nome'] = df['nome'].str.strip().str.lower()

Pipelines ETL

Estruture o fluxo de dados de forma reproduzível.

• Extract - leia os dados da fonte (CSV, banco, API)
• Transform - limpe, filtre e enriqueça
• Load - salve no destino (banco, arquivo, dashboard)

Boas Práticas

• Sempre explore os dados antes de transformar (head(), describe(), info())
• Documente as transformações aplicadas
• Versione os datasets e os scripts juntos
• Prefira operações vetorizadas a loops em pandas
• Teste seus pipelines com amostras pequenas antes de rodar no dataset completo

Próximo passo

Aplique esses conceitos nos projetos em /examples/projects.md. É construindo que o aprendizado se consolida.