Sourcery refactored master branch

Semana 2/semana2.py

@@ -9,8 +9,7 @@ def get_table_download_link(df):
     """
     csv = df.to_csv(index=False)
     b64 = base64.b64encode(csv.encode()).decode()  # some strings <-> bytes conversions necessary here
-    href = f'<a href="data:file/csv;base64,{b64}">Download csv file</a>'
-    return href
+    return f'<a href="data:file/csv;base64,{b64}">Download csv file</a>'
 
 def main():
     st.image('logo.png', width= 200)
@@ -45,7 +44,7 @@ def main():
         percentual = st.slider('Escolha o limite de percentual faltante limite para as colunas vocë deseja inputar os dados', min_value=0, max_value=100)
         lista_colunas = list(exploracao[exploracao['NA %']  < percentual]['nomes'])
         select_method = st.radio('Escolha um metodo abaixo :', ('Média', 'Mediana'))
-        st.markdown('Você selecionou : ' +str(select_method))
+        st.markdown(f'Você selecionou : {str(select_method)}')
         if select_method == 'Média':
             df_inputado = df[lista_colunas].fillna(df[lista_colunas].mean())
             exploracao_inputado = pd.DataFrame({'nomes': df_inputado.columns, 'tipos': df_inputado.dtypes, 'NA #': df_inputado.isna().sum(),

Semana 3/semana3.py

@@ -4,36 +4,42 @@
 
 
 def criar_histograma(coluna, df):
-    chart = alt.Chart(df, width=600).mark_bar().encode(
-        alt.X(coluna, bin=True),
-        y='count()', tooltip=[coluna, 'count()']
-    ).interactive()
-    return chart
+    return (
+        alt.Chart(df, width=600)
+        .mark_bar()
+        .encode(
+            alt.X(coluna, bin=True), y='count()', tooltip=[coluna, 'count()']
+        )
+        .interactive()
+    )
 
 
 def criar_barras(coluna_num, coluna_cat, df):
-    bars = alt.Chart(df, width = 600).mark_bar().encode(
-        x=alt.X(coluna_num, stack='zero'),
-        y=alt.Y(coluna_cat),
-        tooltip=[coluna_cat, coluna_num]
-    ).interactive()
-    return bars
+    return (
+        alt.Chart(df, width=600)
+        .mark_bar()
+        .encode(
+            x=alt.X(coluna_num, stack='zero'),
+            y=alt.Y(coluna_cat),
+            tooltip=[coluna_cat, coluna_num],
+        )
+        .interactive()
+    )
 
 def criar_boxplot(coluna_num, coluna_cat, df):
-    boxplot = alt.Chart(df, width=600).mark_boxplot().encode(
-        x=coluna_num,
-        y=coluna_cat
+    return (
+        alt.Chart(df, width=600)
+        .mark_boxplot()
+        .encode(x=coluna_num, y=coluna_cat)
     )
-    return boxplot
 
 def criar_scatterplot(x, y, color, df):
-    scatter = alt.Chart(df, width=800, height=400).mark_circle().encode(
-        alt.X(x),
-        alt.Y(y),
-        color = color,
-        tooltip = [x, y]
-    ).interactive()
-    return scatter
+    return (
+        alt.Chart(df, width=800, height=400)
+        .mark_circle()
+        .encode(alt.X(x), alt.Y(y), color=color, tooltip=[x, y])
+        .interactive()
+    )
 
 def cria_correlationplot(df, colunas_numericas):
     cor_data = (df[colunas_numericas]).corr().stack().reset_index().rename(columns={0: 'correlation', 'level_0': 'variable', 'level_1': 'variable2'})
@@ -65,53 +71,45 @@ def main():
         col = st.selectbox('Selecione a coluna :', colunas_numericas)
         if col is not None:
             st.markdown('Selecione o que deseja analisar :')
-            mean = st.checkbox('Média')
-            if mean:
+            if mean := st.checkbox('Média'):
                 st.markdown(df[col].mean())
-            median = st.checkbox('Mediana')
-            if median:
+            if median := st.checkbox('Mediana'):
                 st.markdown(df[col].median())
-            desvio_pad = st.checkbox('Desvio padrão')
-            if desvio_pad:
+            if desvio_pad := st.checkbox('Desvio padrão'):
                 st.markdown(df[col].std())
-            kurtosis = st.checkbox('Kurtosis')
-            if kurtosis:
+            if kurtosis := st.checkbox('Kurtosis'):
                 st.markdown(df[col].kurtosis())
-            skewness = st.checkbox('Skewness')
-            if skewness:
+            if skewness := st.checkbox('Skewness'):
                 st.markdown(df[col].skew())
-            describe = st.checkbox('Describe')
-            if describe:
+            if describe := st.checkbox('Describe'):
                 st.table(df[colunas_numericas].describe().transpose())
         st.subheader('Visualização dos dados')
         st.image('https://media.giphy.com/media/Rkoat5KMaw2aOHDduz/giphy.gif', width=200)
         st.markdown('Selecione a visualizacao')
-        histograma = st.checkbox('Histograma')
-        if histograma:
+        if histograma := st.checkbox('Histograma'):
             col_num = st.selectbox('Selecione a Coluna Numerica: ', colunas_numericas,key = 'unique')
-            st.markdown('Histograma da coluna : ' + str(col_num))
+            st.markdown(f'Histograma da coluna : {str(col_num)}')
             st.write(criar_histograma(col_num, df))
-        barras = st.checkbox('Gráfico de barras')
-        if barras:
+        if barras := st.checkbox('Gráfico de barras'):
             col_num_barras = st.selectbox('Selecione a coluna numerica: ', colunas_numericas, key = 'unique')
             col_cat_barras = st.selectbox('Selecione uma coluna categorica : ', colunas_object, key = 'unique')
-            st.markdown('Gráfico de barras da coluna ' + str(col_cat_barras) + ' pela coluna ' + col_num_barras)
+            st.markdown(
+                f'Gráfico de barras da coluna {str(col_cat_barras)} pela coluna '
+                + col_num_barras
+            )
             st.write(criar_barras(col_num_barras, col_cat_barras, df))
-        boxplot = st.checkbox('Boxplot')
-        if boxplot:
+        if boxplot := st.checkbox('Boxplot'):
             col_num_box = st.selectbox('Selecione a Coluna Numerica:', colunas_numericas,key = 'unique' )
             col_cat_box = st.selectbox('Selecione uma coluna categorica : ', colunas_object, key = 'unique')
-            st.markdown('Boxplot ' + str(col_cat_box) + ' pela coluna ' + col_num_box)
+            st.markdown(f'Boxplot {str(col_cat_box)} pela coluna ' + col_num_box)
             st.write(criar_boxplot(col_num_box, col_cat_box, df))
-        scatter = st.checkbox('Scatterplot')
-        if scatter:
+        if scatter := st.checkbox('Scatterplot'):
             col_num_x = st.selectbox('Selecione o valor de x ', colunas_numericas, key = 'unique')
             col_num_y = st.selectbox('Selecione o valor de y ', colunas_numericas, key = 'unique')
             col_color = st.selectbox('Selecione a coluna para cor', colunas)
             st.markdown('Selecione os valores de x e y')
             st.write(criar_scatterplot(col_num_x, col_num_y, col_color, df))
-        correlacao = st.checkbox('Correlacao')
-        if correlacao:
+        if correlacao := st.checkbox('Correlacao'):
             st.markdown('Gráfico de correlação das colunas númericas')
             st.write(cria_correlationplot(df, colunas_numericas))
 

Semana 7/projeto padrao/src/data_source.py

@@ -16,9 +16,7 @@ def read_data(self, etapa_treino=True):
         '''
 
         if etapa_treino:
-            df = pd.read_csv(self.path_train)
-            return df
-
+            return pd.read_csv(self.path_train)
         df = pd.read_csv(self.path_test)
         y = pd.read_csv(self.path_label)
         return df, y

Semana 7/projeto padrao/src/preprocessing.py

@@ -35,8 +35,6 @@ def process(self, df, etapa_treino=True):
         print('Removing target')
         if etapa_treino == True:
             numeric_features.remove('SalePrice')
-        else:
-            pass
         print('Feature encoder')
         print('Feature Normalization and Encoding')
         std_scaler = StandardScaler()