Que tipo de dados podemos manipular com pandas?

• Eu quero começar a usar pandas

  In [1]: import pandas as pd

  Para carregar o pacote pandas e começar a trabalhar com ele, importe o pacote. O apelido aceito pela comunidade para os pandas é pd, portanto, carregar o pandas com o apelido pd é uma prática padrão assumida para toda a documentação dos pandas.

representação da tabela de dados do pandas

• Quero armazenar os dados dos passageiros do Titanic. Para vários passageiros, conheço os dados de nome (caracteres), idade (inteiros) e sexo (masculino / feminino).

  In [2]: df = pd.DataFrame(
     ...:     {
     ...:         "Name": [
     ...:             "Braund, Mr. Owen Harris",
     ...:             "Allen, Mr. William Henry",
     ...:             "Bonnell, Miss. Elizabeth",
     ...:         ],
     ...:         "Age": [22, 35, 58],
     ...:         "Sex": ["male", "male", "female"],
     ...:     }
     ...: )
     ...: 
  
  In [3]: df
  Out[3]: 
                         Name  Age     Sex
  0   Braund, Mr. Owen Harris   22    male
  1  Allen, Mr. William Henry   35    male
  2  Bonnell, Miss. Elizabeth   58  female

  Para armazenar dados manualmente em uma tabela, crie um DataFrame. Ao usar um dicionário de listas Python, as colchetes do dicionário serão usadas como cabeçalhos de coluna e os valores em cada lista como colunas do DataFrame.

Um DataFrame é uma estrutura de dados bidimensional que pode armazenar dados de diferentes tipos (incluindo caracteres, inteiros, valores de ponto flutuante, dados categóricos e mais) em colunas. É semelhante a uma planilha, uma tabela SQL ou o data.frame em R.

• A tabela possui 3 colunas, cada uma delas com um rótulo de coluna. Os rótulos das colunas são Name, Age e Sex, respectivamente.

• A coluna Name consiste em dados textuais com cada valor com uma string, a coluna Age são números e a coluna Sex são dados textuais.

No software de planilha, a representação da tabela de nossos dados seria muito semelhante:

Cada coluna no DataFrame é uma Series

• Estou apenas interessado em trabalhar com os dados da coluna Age.

  In [4]: df["Age"]
  Out[4]: 
  0    22
  1    35
  2    58
  Name: Age, dtype: int64
  

  Ao selecionar uma única coluna do DataFrame pandas, o resultado são Series pandas. Para selecionar a coluna, use o rótulo da coluna entre colchetes [].

Observação

Se você estiver familiarizado com os dicionários Python, a seleção de uma única coluna é muito semelhante à seleção dos valores do dicionário com base no colchete.

Você também pode criar uma Series do zero:

In [5]: ages = pd.Series([22, 35, 58], name="Age")

In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

Uma Series pandas não tem rótulos de coluna, pois é apenas uma coluna de um DataFrame. A Series tem rótulos de linha.

Faça algo com um DataFrame ou Série

• Eu quero saber a idade máxima dos passageiros.

  Podemos fazer isso no DataFrame selecionando a coluna Age e aplicando max():

  In [7]: df["Age"].max()
  Out[7]: 58
  

  Ou para a Series:

  In [8]: ages.max()
  Out[8]: 58
  

Conforme ilustrado pelo método max(), você pode fazer coisas com um DataFrame ou Series. O pandas oferece muitas funcionalidades, cada uma delas um método que você pode aplicar a um DataFrame ou Series. Como os métodos são funções, não se esqueça de usar parênteses ().

• Estou interessado em algumas estatísticas básicas dos dados numéricos da minha tabela de dados.

  In [9]: df.describe()
  Out[9]: 
               Age
  count   3.000000
  mean   38.333333
  std    18.230012
  min    22.000000
  25%    28.500000
  50%    35.000000
  75%    46.500000
  max    58.000000
  

  O método describe() fornece uma visão geral rápida dos dados numéricos em um DataFrame. Como as colunas Name e Sex são dados textuais, eles, por padrão, não são considerados pelo método describe().

Muitas operações do pandas retornam um DataFrame ou uma Series. O método describe() é um exemplo de uma operação de pandas retornando uma Series pandas.

Observação

Isto é só um ponto de partida. Semelhante ao software de planilha, o pandas representa os dados como uma tabela com colunas e linhas. Além da representação, também as manipulações de dados e cálculos que você faria em um software de planilha são suportados pelo pandas. Continue lendo os próximos tutoriais para começar!

LEMBRAR

• Importe o pacote, também conhecido como import pandas as pd.

• Uma tabela de dados é armazenada como um pandas DataFrame.

• Cada coluna em um DataFrame é uma Series.

• Você pode fazer coisas aplicando um método a um DataFrame ou Series.

Traduzido por Acervo Lima. O original pode ser acessado aqui.

<< Anterior Próximo >>