A equipe de supervisão solicitou apenas as informações sobre as emissões cadastradas no inventário nacional. Para entender melhor essa solicitação, podemos acessar o site do SEEG e identificar os tipos de dados presentes na base.
Observaremos que existem quatro categorias de dados, sendo elas:
- Dados de emissão;
- Remoção;
- NCI;
- Bunkers.
As Remoções, por exemplo, são dados referentes à retirada dos gases estuda da atmosfera. Assim, a remoção é o oposto da emissão. Já os NCI são dados não contemplados no inventário nacional. Por fim, Bunkers são emissões de transporte marítimo e aéreo internacional. Por isso, não são emissões diretas dos estados.
Com base nisso, já percebemos que os dados de NCI e Bunkers deverão ser removidos da nossa análise. Agora, precisaremos analisar a base para identificar e remover os dados que não usaremos, deixando apenas aqueles solicitados.
Primeiro, selecionaremos a coluna que categoriza os dados entre cada uma das quatro categorias e usaremos a função unique(), que retorna os dados únicos de uma coluna. Assim, escreveremos emissoes_gases[]. Ao digitar os colchetes, obteremos uma lista de sugestões de colunas para serem selecionadas. Escolheremos a opção "Emissão / Remoção / Bunker". Ao fim dos colchetes, escreveremos .unique() e executaremos a célula.
emissoes_gases['Emissão / Remoção / Bunker'].unique()
Recebemos em retorno um array com as seguintes opções:
- 'Emissão';
- 'Emissão NCI';
- 'Remoção NCI';
- 'Bunker';
- 'Remoção'.
array(['Emissão', 'Emissão NCI', "Remoção NCI', 'Bunker', 'Remoção'], dtype=object)
Primeiro, identificaremos as informações de Remoção. Para filtrá-las, precisamos selecionar tanto os dados de "Remoção NCI" quanto os categorizados simplesmente como "Remoção".
Podemos fazer isso utilizando uma filtragem booleana utilizando "OU". Com ela, selecionaremos os dados de Remoção NCI ou os dados de Remoção.
Para isso, escreveremos emissoes_gases['Emissão / Remoção / Bunker']. Em seguida, colocaremos o sinal de comparação (==), abriremos aspas simples e escreveremos 'Remoção NCI'.
A mesma comparação também será feita com os dados de Remoção. Por isso, colocaremos tudo o que foi escrito até agora entre parênteses. Copiaremos toda a linha de código e inseriremos uma barra vertical depois dos parânteses (|). Colaremos o texto copiado anteriormente e editaremos apenas o campo "Remoção NCI, excluindo a sigla "NCI".
O resultado é o seguinte:
(emissoes_gases['Emissão / Remoção / Bunker'] == 'Remoção NCI') | (emissoes_gases['Emissão / Remoção / Bunker'] == 'Remoção')
Executaremos a célula e obteremos como resultado uma series booleana:
| - | - |
|---|
| 0 | False |
| 1 | False |
| 2 | False |
| 3 | False |
| 4 | False |
| … | … |
| 103307 | False |
| 103308 | False |
| 103309 | False |
| 103310 | False |
| 103311 | False |
Esta série pode ser filtrada na base de dados de modo que sejam retornados no output apenas os valores verdadeiros, excluídos os falsos.
Na próxima célula, faremos essa filtragem com o texto emissoes_gases[]. Dentro dos colchetes, poderíamos passar toda a filtragem booleana feita agora a pouco copiando e colando a linha anterior.
Mas existe outra forma de fazer isso: como selecionamos duas informações da mesma coluna, podemos usar o método isin(), que seleciona diversos valores dentro de uma mesma coluna.
Assim, escreveremos dentro dos colchetes emissoes_gases['Emissão / Remoção / Bunker'.]isin([])]. A lista de valores que inseriremos dentro do isin([]) é: 'Remoção NCI' e 'Remoção'.
O código todo ficou da seguinte forma:
emissoes_gases[emissoes_gases['Emissão / Remoção / Bunker'].isin(['Remoção NCI', 'Remoção'])]
Executaremos a célula e obteremos um data frame com os dados filtrados. Perceberemos que as colunas compostas pelos anos contêm valores negativos de emissão. Isso faz sentido, uma vez que são valores de remoção. Ou seja, os valores negativos representam a eliminação dos gases estufa da atmosfera.
No entanto, será que todos os valores (desde 1970 até 2021) são negativos? Para descobrir, faremos uma seleção. Caso todos os valores sejam negativos, eles correspondem a remoções.
Copiarei a filtragem feita anteriormente e colarei na célula de baixo. Agora, escreverei .loc após emissoes_gases. O método loc nos permite selecionar não só as linhas, mas também as colunas.
Logo após o .loc, abriremos colchetes ([) e inseriremos a filtragem booleana. Ao fim da filtragem, inseriremos uma vírgula e o valor 1970:2021. Com isso, serão selecionados os valores entre estes dois anos.
emissoes_gases.loc[emissoes_gases['Emissão / Remoção / Bunker'].isin(['Remoção NCI', 'Remoção']), 1970:2021]
Executaremos a célula e perceberemos que foi gerada uma tabela em que cada coluna corresponde a um ano e as linhas contêm diferentes valores de remoção. Em alguns casos, o valor da remoção é zero. Em outros, apresenta-se um valor numérico negativo.
| # | 1970 | 1971 | 1972 | … | 2012 | 2013 | 2014 | … |
|---|
| 23520 | 0.0 | 0.0 | 0.0 | … | -1.434540e+07 | -1.499358e+07 | -1.543196e+07 | … |
| 23521 | 0.0 | 0.0 | 0.0 | … | -5.382949e+06 | -5.524659e+06 | -5.632429e+06 | … |
| 23522 | 0.0 | 0.0 | 0.0 | … | -3.450455e+06 | -3.540294e+06 | -3.545724e+06 | … |
| … | … | … | … | … | … | … | … | … |
Esta seleção serviu apenas para dispor os dados numéricos por ano. Copiarei o código novamente, pois usarei a função max() em cada coluna. Se extrairmos o máximo de cada coluna, obteremos um valor zero ou negativo.
Se o máximo da coluna for um valor negativo ou zero, isso quer dizer que o maior valor possível daquela coluna é um valor negativo. Assim, confirmaremos que se trata de uma remoção.
Colaremos a linha de código na célula de baixo e, ao fim dela, acrescentaremos .max(), executando a célula em seguida.
O resultado no output foi uma tabela com duas linhas: a primeira contém os anos em ordem crescente e a segunda uma série de números zero.
Isso indica que o número mais alto de todas as colunas é igual a zero. Portanto, todos os dados selecionados se referem a valores de Remoção ou Remoção NCI.
Agora, identificaremos se os valores de Bunker estão corretos. Estes são dados de viagens marítimas e aéreas internacionais. Assim sendo, elas não correspondem a nenhum estado brasileiro. Para verificar estes dados, confirmaremos se a coluna "Estado" não contém nenhuma informação referente aos estados brasileiros para os dados de Bunker.
Para fazer isso, escreveremos: emissoes_gases.loc[]. No primeiro valor de loc, selecionaremos as informações da coluna que sejam iguais à informação Bunker, da seguinte forma: emissoes_gases['Emissão / Remoção / Bunker'] == 'Bunker'.
Inseriremos uma vírgula após 'Bunker' e escreveremos 'Estado'. Com isso, selecionaremos apenas os dados da coluna "Estado". Após o último colchete, escreveremos .unique().
O resultado é o seguinte:
emissoes_gases.loc[emissoes_gases['Emissão / Remoção / Bunker'] == 'Bunker', 'Estado'].unique()
Executaremos esta célula e o resultado será um array com a informação nan. Ou seja, obtivemos uma informação nula.
array([nan], dtype=object)
Assim, para todos os dados em que a coluna de "Emissão / Remoção / Bunker" for igual a "Bunker", a coluna "Estado" está vazia. Dessa forma, todos os dados correspondem a informações do tipo "Bunker".
Agora que já confirmamos que as informações de remoção e bunker estão categorizadas corretamente, podemos excluí-las das base de dados sem nenhum problema.
Na próxima célula, escreveremos: emissoes_gases = emissoes_gases[]. Dentro dos colchetes, faremos uma filtragem para que a coluna "Emissão / Remoção / Bunker" apresente apenas dados de emissão. Faremos isso escrevendo emissoes_gases['Emissão / Remoção / Bunker'] == 'Emissão'.
Todos os outros dados serão removidos, uma vez que a equipe de supervisão não deseja obter as informações não cadastradas no inventário nacional, tampouco as de remoção.
Na mesma célula, escreveremos emissoes_gases para visualizar o resultado.
emissoes_gases = emissoes_gases[emissoes_gases['Emissão / Remoção / Bunker'] == 'Emissão']
emissoes_gases
Executaremos a célula e observaremos que restaram apenas 94.748 linhas dos 103 mil dados verificados anteriormente com o uso da função info().
Não restou nenhum valor útil para análise na coluna "Emissão / Remoção / Bunker", pois todos os seus valores agora são de emissões. Por isso, removeremos esta coluna da base de dados usando a função drop().
Escreveremos:
emissoes_gases = emissoes_gases.drop(columns = 'Emissão / Remoção / Bunker')
emissoes_gases
Executaremos a célula pressionando "Shift + Enter". Perceberemos que a coluna "Emissão / Remoção / Bunker" foi removida da base de dados.
Agora que já selecionamos apenas os dados de emissão, podemos continuar a nossa análise, avaliando os tipos de gases que estão na base de dados.