diff --git a/exercicios/para-casa/paracasa.py b/exercicios/para-casa/paracasa.py
new file mode 100644
index 0000000..94543fe
--- /dev/null
+++ b/exercicios/para-casa/paracasa.py
@@ -0,0 +1,64 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+
+df = pd.read_csv(r"C:\Users\GGGGGGG\Documents\Curso de Python\on33-python-s10-pandas-numpy-II\material\Employee.csv")
+#print(df.head())
+#print(df.columns) Printei as colunas do csv(['Education', 'JoiningYear', 'City', 'PaymentTier', 'Age', 'Gender','EverBenched', 'ExperienceInCurrentDomain', 'LeaveOrNot
+
+#removi as linhas duplicadas
+#df.drop_duplicates(inplace=True)
+#print(df.duplicated().sum())
+
+#Filtrar os empregados que têm mais de 5 anos de experiência
+df_acima_de_5_anos = df[df["ExperienceInCurrentDomain"] > 5]
+print(df_acima_de_5_anos)
+
+# Agrupei por Gênero e Idade e contei o número de empregados em cada grupo
+dados_agrupados = df_acima_de_5_anos.groupby(["Gender", "Age"]).size().reset_index(name='Count')
+print(dados_agrupados)
+
+#Criei o gráficos para cada gênero
+genders = dados_agrupados["Gender"].unique()
+
+for gender in genders:
+    dados_filtrados = dados_agrupados[dados_agrupados["Gender"] == gender]
+    
+    plt.figure(figsize=(10, 5))
+    plt.bar(dados_filtrados["Age"], dados_filtrados["Count"], color='skyblue')
+    plt.xlabel('Idade')
+    plt.ylabel('Número de Empregados')
+    plt.title(f'Número de Empregados por Idade para o Gênero {gender}')
+    plt.xticks(rotation=45)
+    plt.show()
+
+#Cod para o maior numero de empregados por cidade
+cidade_empregados = df['City'].value_counts().idxmax()
+print(f"A cidade com mais empregados é: {cidade_empregados}")
+
+#Tempo de serviço por cidade
+media_tempo = df.groupby('City')['ExperienceInCurrentDomain'].mean()
+print("Média do tempo de serviço por cidade:")
+print(media_tempo)
+
+#porcentagem de funcionarios qu ainda trabalham
+total_empregados = len(df)
+empregados_trabalhando = df['LeaveOrNot'].value_counts().get(0, 0)  # ntendendo que 0 significa que ainda estão trabalhando
+
+ainda_trabalhando = (empregados_trabalhando / total_empregados) * 100
+print(f"Porcentagem de empregados ainda trabalhando na empresa: {ainda_trabalhando:.2f}%")
+
+#Contagem de Empregados
+contagem = df['PaymentTier'].value_counts()
+print("Contagem de empregados por PaymentTier:")
+print(contagem)
+
+# Substituir os valores da coluna EverBenched
+df['EverBenched'] = df['EverBenched'].replace({'Yes': True, 'No': False})
+#print(df['EverBenched'].head())
+
+# Criar o gráfico de pizza
+experiencia = df['ExperienceInCurrentDomain'].value_counts()
+plt.figure(figsize=(8, 8))
+plt.pie(experiencia, labels=experiencia.index, autopct='%1.1f%%', startangle=140)
+plt.title('Empregados por Tempo de Experiência')
+plt.show()
\ No newline at end of file