Melhores práticas de data analysis com pandas para Python

"Você é um cientista de dados júnior em uma empresa de consultoria de marketing. Seu gerente de projeto te pediu para analisar um dataset de vendas (`vendas.csv`) para identificar os 5 produtos mais vendidos e a receita total gerada por eles, segmentando por região (`Sudeste`, `Sul`, `Nordeste`, `Norte`, `Centro-Oeste`).

O arquivo `vendas.csv` possui as seguintes colunas: `ID_Venda`, `Produto`, `Regiao`, `Quantidade`, `Preco_Unitario`, `Data_Venda`.

Sua tarefa é escrever um script Python utilizando a biblioteca Pandas que:

1. **Carregue** o arquivo `vendas.csv` em um DataFrame.
2. **Calcule a receita total por item de venda** (Quantidade * Preco_Unitario) e adicione essa informação como uma nova coluna `Receita_Total_Item` ao DataFrame.
3. **Agrupe os dados por 'Produto' e 'Regiao'** e **some a `Receita_Total_Item`** para cada combinação.
4. **Para cada região**, identifique os 5 produtos com a maior `Receita_Total_Item` acumulada.
5. **Apresente os resultados de forma clara e organizada**, imprimindo para cada região:
    * O nome da região.
    * Uma lista numerada dos 5 produtos mais vendidos, mostrando o nome do produto e a receita total gerada por ele (formatada como moeda BRL, ex: R$ 1.234,56).
    * A receita total combinada desses 5 produtos mais vendidos na região.

Se o arquivo `vendas.csv` não existir, o script deve gerar um DataFrame de exemplo com dados sintéticos representativos e salvar como `vendas.csv` antes de prosseguir com a análise. O DataFrame de exemplo deve ter pelo menos 50 linhas e cobrir todas as regiões e alguns produtos variados."