/Agricultural-Raw-Material-prices-1990-2020-

Primary LanguageJupyter Notebook

Análise de Preços de Matérias-Primas Agrícolas (1990-2020)

Visão Geral

Este projeto envolve a análise de preços de matérias-primas agrícolas e suas mudanças percentuais de 1990 a 2020. O conjunto de dados inclui informações sobre várias commodities, como lã grossa, copra, algodão, lã fina, tora dura, madeira serrada dura, couro, compensado, borracha, madeira macia, madeira serrada macia e celulose.

Conjunto de Dados

O conjunto de dados fornece as seguintes informações-chave:

  • Preços: Preços reais de diferentes matérias-primas agrícolas.
  • Mudança % no Preço: Mudança percentual nos preços ao longo do tempo para cada matéria-prima.

Análise

A análise explora padrões, tendências e relações dentro do conjunto de dados de preços de matérias-primas agrícolas. Inclui visualizações como gráficos de linha, gráficos de dispersão, histogramas e boxplots para entender melhor as características de cada commodity e suas mudanças ao longo do período especificado.

Código

O código Python usado para análise de dados e visualização está disponível no repositório. O código utiliza bibliotecas populares de análise de dados, como Pandas, Matplotlib e Seaborn, para realizar a análise e criar visualizações informativas.

Arquivos

  • data.csv: O conjunto de dados bruto contendo preços e mudanças percentuais para cada matéria-prima agrícola.
  • analysis.ipynb: Arquivo do Jupyter Notebook contendo o código para análise de dados.
  • README.md: Visão geral do projeto e informações.

Uso

  1. Clone o repositório para sua máquina local:

    git clone https://github.com/seunome/Materias-primas-agricolas-1990-2020.git

  2. Abra e execute o Jupyter Notebook (Agricultural.ipynb) usando um ambiente Python com as bibliotecas necessárias instaladas.

  3. Explore as visualizações e resultados da análise para obter insights sobre os preços de matérias-primas agrícolas.

Dependências

Certifique-se de ter as seguintes bibliotecas Python instaladas:

  • pandas
  • matplotlib
  • seaborn

Você pode instalá-las usando:

pip install pandas matplotlib seaborn

Contribuições

Contribuições para aprimorar a análise ou adicionar novos recursos são bem-vindas. Sinta-se à vontade para fazer um fork do repositório e enviar solicitações de pull.