ENEM (Microdados)

microdados_enem_AAAA/
├── DADOS/
│   └── MICRODADOS_ENEM_AAAA.csv          # Arquivo principal com todos os participantes
├── DICIONÁRIO/
│   └── Dicionario_Microdados_Enem_AAAA.xlsx
├── INPUTS/
│   ├── INPUT_SAS_AAAA.sas
│   └── INPUT_SPSS_AAAA.sps
├── PROVAS/
│   └── (cadernos de prova em PDF, quando disponíveis)
└── LEIA-ME/
    └── Leia_me_Microdados_Enem_AAAA.txt

# Exemplo de download (o link exato pode mudar a cada publicação)
wget "https://download.inep.gov.br/microdados/microdados_enem_2023.zip"

import zipfile
import pandas as pd
from pathlib import Path
 
# Após baixar o ZIP da página do INEP
ZIP_PATH = Path("microdados_enem_2023.zip")
DESTINO = Path("./dados_enem")
 
# Extrair
with zipfile.ZipFile(ZIP_PATH, "r") as zf:
    zf.extractall(DESTINO)
 
# Localizar o arquivo CSV principal
arquivo_csv = list(DESTINO.rglob("MICRODADOS_ENEM_*.csv"))[0]
 
# Ler o CSV (arquivo grande — pode levar alguns minutos)
df = pd.read_csv(
    arquivo_csv,
    sep=";",
    encoding="latin-1",
    dtype=str,
    low_memory=False,
)
 
print(f"Total de participantes: {len(df):,}")
print(f"Colunas ({len(df.columns)}): {list(df.columns[:10])}...")

# Converter notas para numérico
colunas_notas = ["NU_NOTA_CN", "NU_NOTA_CH", "NU_NOTA_LC", "NU_NOTA_MT", "NU_NOTA_REDACAO"]
for col in colunas_notas:
    df[col] = pd.to_numeric(df[col], errors="coerce")
 
# Filtrar apenas participantes presentes em todas as provas
df_presentes = df.dropna(subset=colunas_notas)
 
# Calcular nota média total por UF
df_presentes["NOTA_MEDIA"] = df_presentes[colunas_notas].mean(axis=1)
 
media_por_uf = (
    df_presentes.groupby("SG_UF_PROVA")["NOTA_MEDIA"]
    .mean()
    .sort_values(ascending=False)
    .round(1)
)
 
print("Nota média por UF:")
print(media_por_uf.to_string())

# Q006 = Renda mensal familiar
# Códigos: A=Nenhuma, B=Até R$1.320, C=R$1.320-R$1.980, etc.
renda_map = {
    "A": "Nenhuma renda",
    "B": "Até R$ 1.320",
    "C": "R$ 1.320 a R$ 1.980",
    "D": "R$ 1.980 a R$ 2.640",
    "E": "R$ 2.640 a R$ 3.300",
    "F": "R$ 3.300 a R$ 3.960",
    "G": "R$ 3.960 a R$ 5.280",
    "H": "R$ 5.280 a R$ 6.600",
    "I": "R$ 6.600 a R$ 7.920",
    "J": "R$ 7.920 a R$ 9.240",
    "K": "R$ 9.240 a R$ 10.560",
    "L": "R$ 10.560 a R$ 13.200",
    "M": "R$ 13.200 a R$ 15.840",
    "N": "R$ 15.840 a R$ 19.800",
    "O": "R$ 19.800 a R$ 26.400",
    "P": "Acima de R$ 26.400",
    "Q": "Não declarada",
}
 
# Nota média por faixa de renda
notas_renda = (
    df_presentes.groupby("Q006")["NOTA_MEDIA"]
    .mean()
    .round(1)
)
 
for codigo, media in notas_renda.items():
    desc = renda_map.get(codigo, codigo)
    print(f"{desc}: {media}")

# TP_ESCOLA: 1=Não respondeu, 2=Pública, 3=Privada
tipo_escola_map = {"1": "Não respondeu", "2": "Pública", "3": "Privada"}
 
notas_escola = (
    df_presentes.groupby("TP_ESCOLA")[colunas_notas]
    .mean()
    .round(1)
)
 
notas_escola.index = notas_escola.index.map(tipo_escola_map)
print("Notas médias por tipo de escola:")
print(notas_escola.to_string())

import pandas as pd
 
# 1. Carregar microdados do ENEM
df_enem = pd.read_csv(
    "dados_enem/MICRODADOS_ENEM_2023.csv",
    sep=";",
    encoding="latin-1",
    dtype=str,
    usecols=["CO_ESCOLA", "NU_NOTA_MT", "NU_NOTA_REDACAO"],
)
 
# Converter notas para numérico
df_enem["NU_NOTA_MT"] = pd.to_numeric(df_enem["NU_NOTA_MT"], errors="coerce")
df_enem["NU_NOTA_REDACAO"] = pd.to_numeric(df_enem["NU_NOTA_REDACAO"], errors="coerce")
 
# Médias por escola
medias = df_enem.groupby("CO_ESCOLA").agg(
    nota_mt_media=("NU_NOTA_MT", "mean"),
    nota_red_media=("NU_NOTA_REDACAO", "mean"),
    qtd_alunos=("NU_NOTA_MT", "count"),
).round(1)
 
# 2. Carregar dados de escolas (Censo Escolar)
df_escolas = pd.read_csv(
    "dados_censo_escolar/ESCOLAS.CSV",
    sep="|",
    encoding="latin-1",
    dtype=str,
    usecols=["CO_ENTIDADE", "NO_ENTIDADE", "TP_DEPENDENCIA",
             "IN_INTERNET", "IN_BIBLIOTECA"],
)
 
# 3. Cruzar
df_resultado = df_escolas.merge(
    medias,
    left_on="CO_ENTIDADE",
    right_index=True,
    how="inner",
)
 
# Escolas públicas vs privadas com melhor desempenho
for dep, nome in [("2", "Estadual"), ("3", "Municipal"), ("4", "Privada")]:
    subset = df_resultado[df_resultado["TP_DEPENDENCIA"] == dep]
    if not subset.empty:
        print(f"{nome}: Matemática={subset['nota_mt_media'].mean():.1f}, "
              f"Redação={subset['nota_red_media'].mean():.1f}, "
              f"Escolas={len(subset):,}")