Primeiramente, importe as bibliotecas:¶

In [1]:
import sqlite3
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Estilo visual
sns.set(style="whitegrid")
%matplotlib inline

# Teste simples de conexão
conn = sqlite3.connect('academia_ficticia.db')
print("Conexão com SQLite foi bem-sucedida")
conn.close()

Conexão com SQLite foi bem-sucedida
In [2]:
# Conectar ao banco de dados (ele será criado se não existir)
conn = sqlite3.connect('academia_ficticia.db')

# Criar o cursor
cursor = conn.cursor()

# Criar a tabela no SQLite (caso não exista)
cursor.execute('''
CREATE TABLE IF NOT EXISTS alunos (
    id_aluno INTEGER PRIMARY KEY,
    nome_aluno TEXT,
    idade INTEGER,
    sexo TEXT,
    plano TEXT,
    data_inicio TEXT,
    data_termino TEXT,
    objetivo TEXT,
    aulas_realizadas INTEGER,
    status_pagamento TEXT,
    avaliacao TEXT
)
''')

# Confirmar a criação
conn.commit()
In [3]:
# Carregando os dados do Excel
print("Carregando os dados...")
df = pd.read_excel(r'C:\Users\gonca\Downloads\academia-sql-analise\Dados\alunos_academia.xlsx')

# Verificando os primeiros registros
print("\nPrimeiros registros do dataframe:")
print(df.head())

Carregando os dados...

Primeiros registros do dataframe:
   ID Aluno Nome do Aluno  Idade       Sexo Plano de Academia Data de Início  \
0         1     Mariana 4     35  Masculino            Básico     2023-03-13   
1         2      Lucas 12     31  Masculino               VIP     2023-11-05   
2         3    Juliana 58     55   Feminino            Básico     2023-03-23   
3         4    Juliana 98     39  Masculino            Básico     2023-07-14   
4         5      Lucas 94     47  Masculino           Premium     2023-02-10   

  Data de Término do Plano                Objetivo  \
0               2024-02-22           Emagrecimento   
1               2024-01-14          Ganho Muscular   
2               2024-12-23  Condicionamento Físico   
3               2024-02-19        Melhora da Saúde   
4               2024-10-09        Melhora da Saúde   

   Número de Aulas Realizadas Status de Pagamento Classe de Avaliação  
0                          85            Pendente           Excelente  
1                          93            Atrasado        Insatisfeito  
2                          53            Pendente                 Bom  
3                          54            Atrasado             Regular  
4                          90            Atrasado             Regular
In [4]:
# Reabrir a conexão e o cursor, se necessário
conn = sqlite3.connect('academia_ficticia.db')
cursor = conn.cursor()

# Inserir os dados
for _, row in df.iterrows():
    cursor.execute('''
    INSERT INTO alunos (
        id_aluno, nome_aluno, idade, sexo, plano,
        data_inicio, data_termino, objetivo,
        aulas_realizadas, status_pagamento, avaliacao
    ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
    ''', (
        int(row['ID Aluno']),
        row['Nome do Aluno'],
        int(row['Idade']),
        row['Sexo'],
        row['Plano de Academia'],
        str(row['Data de Início']),
        str(row['Data de Término do Plano']),
        row['Objetivo'],
        int(row['Número de Aulas Realizadas']),
        row['Status de Pagamento'],
        row['Classe de Avaliação']
    ))

# Confirmar inserções
conn.commit()
print("✅ Dados inseridos com sucesso!")

✅ Dados inseridos com sucesso!

1. Quantos alunos a academia tem no total?¶

In [5]:
pd.read_sql_query('SELECT COUNT(*) AS total_alunos FROM alunos', conn)
Out[5]:
total_alunos
0 100

2. Quantos alunos por plano?¶

In [6]:
pd.read_sql_query('''
SELECT plano, COUNT(*) AS quantidade
FROM alunos
GROUP BY plano
ORDER BY quantidade DESC
''', conn)
Out[6]:
plano quantidade
0 Básico 42
1 VIP 31
2 Premium 27

3. Média de idade dos alunos por objetivo¶

In [7]:
pd.read_sql_query('''
SELECT objetivo, ROUND(AVG(idade), 1) AS idade_media
FROM alunos
GROUP BY objetivo
ORDER BY idade_media DESC
''', conn)
Out[7]:
objetivo idade_media
0 Melhora da Saúde 40.3
1 Condicionamento Físico 39.1
2 Ganho Muscular 35.9
3 Emagrecimento 31.8

4. Alunos com pagamento atrasado ou pendente¶

In [8]:
pd.read_sql_query('''
SELECT nome_aluno, plano, status_pagamento
FROM alunos
WHERE status_pagamento IN ('Atrasado', 'Pendente')
''', conn)
Out[8]:
nome_aluno plano status_pagamento
0 Mariana 4 Básico Pendente
1 Lucas 12 VIP Atrasado
2 Juliana 58 Básico Pendente
3 Juliana 98 Básico Atrasado
4 Lucas 94 Premium Atrasado
... ... ... ...
67 Ana 42 VIP Pendente
68 Thiago 50 Premium Pendente
69 Ricardo 59 Premium Pendente
70 Larissa 89 Premium Atrasado
71 Ricardo 5 Básico Atrasado

72 rows × 3 columns

5. Distribuição das classes de avaliação¶

In [9]:
pd.read_sql_query('''
SELECT avaliacao, COUNT(*) AS quantidade
FROM alunos
GROUP BY avaliacao
ORDER BY quantidade DESC
''', conn)
Out[9]:
avaliacao quantidade
0 Regular 31
1 Insatisfeito 24
2 Bom 23
3 Excelente 22

6. Alunos com mais de 80 aulas realizadas¶

In [10]:
pd.read_sql_query('''
SELECT nome_aluno, aulas_realizadas
FROM alunos
WHERE aulas_realizadas > 80
ORDER BY aulas_realizadas DESC
''', conn)
Out[10]:
nome_aluno aulas_realizadas
0 Larissa 99 99
1 Thiago 32 99
2 Ana 71 99
3 Renato 77 99
4 Renato 59 95
5 Renato 27 95
6 Thiago 42 95
7 Lucas 12 93
8 Juliana 93 92
9 Larissa 82 91
10 Lucas 93 91
11 Lucas 94 90
12 Renato 91 90
13 Ricardo 60 90
14 Mariana 73 87
15 Carlos 20 87
16 Carlos 81 86
17 Mariana 4 85
18 Mariana 66 83
19 Thiago 8 83
20 Mariana 76 82
21 Ricardo 49 82
22 Carlos 82 81

7. Gráfico de barras: Quantidade de alunos por plano¶

In [11]:
df_plano = pd.read_sql_query('''
SELECT plano, COUNT(*) AS quantidade
FROM alunos
GROUP BY plano
''', conn)

plt.figure(figsize=(8, 5))
sns.barplot(data=df_plano, x='plano', y='quantidade', palette='Blues_d')
plt.title('Quantidade de Alunos por Plano')
plt.xlabel('Plano')
plt.ylabel('Quantidade')
plt.tight_layout()
plt.show()

C:\Users\gonca\AppData\Local\Temp\ipykernel_2284\2830677630.py:8: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.barplot(data=df_plano, x='plano', y='quantidade', palette='Blues_d')
No description has been provided for this image

8. Gráfico de pizza: Distribuição dos objetivos dos alunos¶

In [12]:
df_objetivo = pd.read_sql_query('''
SELECT objetivo, COUNT(*) AS total
FROM alunos
GROUP BY objetivo
''', conn)

plt.figure(figsize=(7, 7))
plt.pie(df_objetivo['total'], labels=df_objetivo['objetivo'], autopct='%1.1f%%', startangle=140)
plt.title('Distribuição dos Objetivos dos Alunos')
plt.axis('equal')
plt.show()
No description has been provided for this image

9. Gráfico de barras: Classes de avaliação¶

In [13]:
df_avaliacao = pd.read_sql_query('''
SELECT avaliacao, COUNT(*) AS total
FROM alunos
GROUP BY avaliacao
''', conn)

plt.figure(figsize=(7, 5))
sns.barplot(data=df_avaliacao, x='avaliacao', y='total', palette='Set2')
plt.title('Distribuição das Classes de Avaliação')
plt.xlabel('Avaliação')
plt.ylabel('Quantidade')
plt.tight_layout()
plt.show()

C:\Users\gonca\AppData\Local\Temp\ipykernel_2284\3734964057.py:8: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.barplot(data=df_avaliacao, x='avaliacao', y='total', palette='Set2')
No description has been provided for this image

10. Histograma: Distribuição da quantidade de aulas realizadas¶

In [14]:
df_aulas = pd.read_sql_query('SELECT aulas_realizadas FROM alunos', conn)

plt.figure(figsize=(7, 5))
sns.histplot(df_aulas['aulas_realizadas'], bins=10, kde=True, color='skyblue')
plt.title('Distribuição de Aulas Realizadas')
plt.xlabel('Aulas Realizadas')
plt.ylabel('Número de Alunos')
plt.tight_layout()
plt.show()
No description has been provided for this image

11. Status de Pagamento dos Alunos¶

In [17]:
# 4. Gráfico de barras: Status de Pagamento
df_pagamento = pd.read_sql_query('''
SELECT status_pagamento, COUNT(*) AS total
FROM alunos
GROUP BY status_pagamento
''', conn)

plt.figure(figsize=(6, 4))
sns.barplot(data=df_pagamento, x='status_pagamento', y='total', palette='coolwarm')
plt.title('Status de Pagamento dos Alunos')
plt.xlabel('Status')
plt.ylabel('Quantidade de Alunos')
plt.tight_layout()
plt.show()

C:\Users\gonca\AppData\Local\Temp\ipykernel_2284\4035930523.py:9: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.barplot(data=df_pagamento, x='status_pagamento', y='total', palette='coolwarm')
No description has been provided for this image

12. Distribuição de Aulas Realizadas por Tipo de Plano¶

In [18]:
# Consulta: aulas realizadas por aluno e seu respectivo plano
df_aulas_plano = pd.read_sql_query('''
SELECT plano, aulas_realizadas
FROM alunos
''', conn)

# Gráfico de boxplot para ver a distribuição por plano
plt.figure(figsize=(8, 5))
sns.boxplot(data=df_aulas_plano, x='plano', y='aulas_realizadas', palette='Set3')
plt.title('Distribuição de Aulas Realizadas por Tipo de Plano')
plt.xlabel('Plano')
plt.ylabel('Aulas Realizadas')
plt.tight_layout()
plt.show()

C:\Users\gonca\AppData\Local\Temp\ipykernel_2284\1398624309.py:9: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.boxplot(data=df_aulas_plano, x='plano', y='aulas_realizadas', palette='Set3')
No description has been provided for this image