✏️ Post de exemplo. Edite ou apague.
Dados reais quase nunca chegam limpos. Este é o roteiro que eu sigo antes de qualquer análise.
1. Entenda a estrutura
import pandas as pd
df = pd.read_csv("vendas.csv")
df.info() # tipos de cada coluna e valores nulos
df.describe() # estatísticas básicas2. Padronize os nomes das colunas
df.columns = df.columns.str.strip().str.lower().str.replace(" ", "_")3. Trate os valores ausentes
Decida caso a caso: remover, preencher com a mediana ou marcar como “desconhecido”.
4. Corrija os tipos
Datas como texto e números com vírgula são os vilões mais comuns.
df["data"] = pd.to_datetime(df["data"], dayfirst=True)
df["valor"] = df["valor"].str.replace(",", ".").astype(float)5. Remova duplicados
df = df.drop_duplicates()Pronto: agora sim dá para confiar no que os números dizem.