Pular para o conteúdo principal

Análise da cotação do dólar com Python.

Imagem
Por

 

Autor: Mateus Amorim Marques; MARQUES, M. A.

Instituição: Universidade Cruzeiro do Sul

Curso: Ciência de Dados 

Link do Dataset utilizado:

https://br.investing.com/currencies/usd-brl-historical-data

Link do meu vídeo de apresentação: 

https://www.youtube.com/watch?v=qgM5SHOXnHQ



 Plot1:

Com esse gráfico de linha do mês de maio e início de junho, podemos

observar que a cotação do dólar vem com uma tendência de queda, 

apesar de lenta, apresenta seu ponto mais alto em 12/05/2022 onde 

chega a mais de R$5,00 e a maior queda em 30/05/2022, abaixo de R$4,80.  

 

 Código fonte: 

plt.figure(figsize=(30,10))

plt.plot(x,y)

plt.title('Cotação do Dólar (Maio e Junho de 2022)')

plt.xlabel("Data")

plt.ylabel("USD-BRL")

plt.show()



 Plot2:

Com esse gráfico de barras, podemos observar que a cotação do dólar vem 

caindo devagar, apresenta seu ponto mais alto em 12/05/2022 onde chega a 

mais de R$5,00 e a maior queda em 30/05/2022, abaixo de R$4,80. 

 

 Código fonte:

plt.figure(figsize=(30,10))

plt.bar(x,y)

plt.title('Cotação do Dólar (Maio e Junho de 2022)')

plt.xlabel("Data")

plt.ylabel("USD-BRL")

plt.show()



 Plot3:

Com esse gráfico de dispersão, podemos observar que a cotação do dólar

vem com uma tendência de queda, apresenta seu ponto mais alto em 

12/05/2022 onde chega a mais de R$5,00 e a maior queda em 30/05/2022,

abaixo de R$4,80. 


 Código fonte:

plt.figure(figsize=(30,10))

plt.scatter(x, y)

plt.title('Cotação do Dólar (Maio e Junho de 2022)')

plt.xlabel("Data")

plt.ylabel("USD-BRL")

plt.show()







Comentários

Postar um comentário

Postagens mais visitadas deste blog

Machine Learning com "Azure ML Studio", Redes Neurais e Regressão Linear

Por
Altor: Mateus Amorim Marques; MARQUES, M. A. Machine Learning com “Azure Machine Learning Studio”  Inserindo a base de dados “ student-mat.csv ” e criação dos modelos treinados, com Redes Neurais e Regressão Linear:  A base de dados avalia o desempenho de alunos de determinada região.  A coluna que iremos prever será a G3.  Modelo de Redes Neurais:  Modelo de Regressão Linear:  Publicação do modelo treinado, para solicitação do usuário:  Prevendo média e desvio padrão da coluna G3, com base nos dados preenchidos pelo usuário:  Desempenho dos modelos: - Redes Neurais: - Regressão Linear: O modelo que apresentou o melhor desempenho foi o de Regressão Linear: Erro Absoluto Médio: 1.416767 Coeficiente de Determinação: 0.752131 Modelo de Redes Neurais: Erro Absoluto Médio: 1.700481 Coeficiente de Determinação: 0.711061
Postar um comentário
Read more »

Criação e manipulação de banco de dados em Sql Server.

Por
  Autor: Mateus Amorim Marques; MARQUES, M. A. Instituição: Universidade Cruzeiro do Sul Curso: Ciência de Dados      --CRIAÇÃO DE BASE DE DADOS --CREATE DATABASE F1; --CRIAÇÃO DE TABELAS --2018 create table TB_EQUIPE ( ID_EQUIPE INT PRIMARY KEY NOT NULL, NM_EQUIPE VARCHAR(100) NOT NULL, ID_PAIS INT NOT NULL ); CREATE TABLE TB_PILOTO ( ID_PILOTO INT PRIMARY KEY NOT NULL, NM_PILOTO VARCHAR(100) NOT NULL, DT_NASCIMENTO DATE NOT NULL, ID_PAIS INT NOT NULL, ID_EQUIPE INT NOT NULL ); CREATE TABLE TB_PAIS ( ID_PAIS INT PRIMARY KEY NOT NULL, NM_PAIS VARCHAR(100) NOT NULL, NR_POPULACAO INT NOT NULL ); CREATE TABLE TB_CIRCUITO ( ID_CIRCUITO INT PRIMARY KEY NOT NULL, NM_CIRCUITO VARCHAR(100) NOT NULL, NR_EXTENSAO VARCHAR(100) NOT NULL, ID_PAIS INT NOT NULL ); CREATE TABLE TB_PROVA ( ID_PROVA INT PRIMARY KEY NOT NULL, DT_PROVA DATETIME NOT NULL, NM_SITUACAO VARCHAR(100), ID_CIRCUITO INT NOT NULL ); CREATE TABLE TB_RESULTADO ( ID_PROVA INT NOT NULL, ID_PILOTO INT NOT NULL, NR...
Postar um comentário
Read more »