10 Pandas PUC Flashcards
1
Q
import pandas as pd
A
padrão da comunidade, assim como np para NumPy
2
Q
idades = [68, 23, 17, 39, 25, 58] idades s = pd.Series(idades) s ==> 0 68 1 23 2 17 3 39 4 25 5 58 dtype: int64
s[3]
==>
39
A
s = pd.Series([68, 23, 17, 39, 25, 58]) s ==> 0 68 1 23 2 17 3 39 4 25 5 58 dtype: int64
igual anterior mesmo
3
Q
pessoas = ['Eni', 'Bia', 'Flávio', 'Carlos', 'Dedé', 'Abigail'] idades = [68, 23, 17, 39, 25, 58] s1 = pd.Series(idades, pessoas) s1 ==> Eni 68 Bia 23 Flávio 17 Carlos 39 Dedé 25 Abigail 58 dtype: int64
idades são dados, pessoas são rótulos
A
s1[‘Carlos’]
==>
39
s1[39]
==>
ERROR
s2 = pd.Series(index = idades, data = pessoas)
s2[39]
==>
‘Carlos’
padrão é primeiro dados e depois index/rótulos
4
Q
nomes = ("Mnas Gerais", "Amazonas", "Maranhão", "Goiás", "Santa Catarina")
siglas = ("MG", "AM", "MA", "GO", "SC")
estados = pd.Series(nomes, siglas)
estados
==>
MG Mnas Gerais
AM Amazonas
MA Maranhão
GO Goiás
SC Santa Catarina
dtype: object
A
estados["MG"] = "Minas Gerais" estados ==> MG Minas Gerais AM Amazonas MA Maranhão GO Goiás SC Santa Catarina dtype: object
5
Q
precos = np.array([25, 22, 18.5, 4.75, 3, 4.5, 2.3])
lanches = np.array([‘X-tudo’, ‘X-Bacon’, ‘Bauru’, ‘Misto-quente’, ‘Pão-de-queijo’, ‘Coxinha’, ‘Pastel’])
cardapio = pd.Series(precos, lanches)
cardápio
==>
A
X-tudo 25.00 X-Bacon 22.00 Bauru 18.50 Misto-quente 4.75 Pão-de-queijo 3.00 Coxinha 4.50 Pastel 2.30 dtype: float64
6
Q
dic_estados = {“MG”: “Minas Gerais”, “CE”: “Ceará”, “MT”: “Mato Grosso”, “RR”: “Roraima”}
serie_estados = pd.Series(dic_estados)
serie estados
==>
A
MG Minas Gerais CE Ceará MT Mato Grosso RR Roraima dtype: object
7
Q
dic_estados2 = {“MG”: {“Estado”:”Minas Gerais”, “Capital”:”Belo Horizonte”, “População (2014)”:20777672},
“CE”: {“Estado”:”Ceará”, “Capital”:”Fortaleza”, “População (2014)”:8867448},
“MT”: {“Estado”:”Mato Grosso”, “Capital”:”Cuiabá”, “População (2014)”:3236578},
“RR”: {“Estado”:”Roraima”, “Capital”:”Boa Vista”, “População (2014)”:500826},}
serie_estados2 = pd.Series(dic_estados2)
serie_estados2
==>
m
CE {‘Estado’: ‘Ceará’, ‘Capital’: ‘Fortaleza’, ‘P…
MT {‘Estado’: ‘Mato Grosso’, ‘Capital’: ‘Cuiabá’,…
RR {‘Estado’: ‘Roraima’, ‘Capital’: ‘Boa Vista’, …
dtype: object
A
serie_estados2[“MT”]
==>
{‘Estado’: ‘Mato Grosso’, ‘Capital’: ‘Cuiabá’, ‘População (2014)’: 3236578}
serie_estados2[“RR”][“Capital”]
==>
‘Boa Vista’
8
Q
Criando Series a partir de arquivos .csv:
O arquivo idades.csv contém as idades de 100 pessoas (apenas 1 coluna)
idadescsv = pd.read_csv("idades.csv")
idadescsv.head()
==>
Idades
0 55
1 45
2 74
3 18
4 21
# mostra as 5 primeiras linhas de uma Series ou DataFrame, se head(60) mostraria as 60 primeiras linhas # 60 é o limite, se 61, mostra as 5 primeiras e 5 últimas até 61 # se colocar número acima do limite não dá erro, mostra as 5 últimas normalmente
A
idadescsv[3]
==>
ERROR
type(idadescsv)
==>
pandas.core.frame.DataFrame
idadescsv[‘Idades’][3]
==>
18
9
Q
# Passando o argumento squeeze = True (por default squeeze = False) # Quando squeeze = True, se os dados estiverem em apenas 1 dimensão, é então retornado uma Series
idadescsv = pd.read_csv("idades.csv", squeeze=True)
idadescsv.head()
==>
0 55
1 45
2 74
3 18
4 21
Name: Idades, dtype: int64
A
idadescsv[3]
==>
18
type(idadescsv)
==>
pandas.core.series.Series
10
Q
O arquivo idades2.csv contém o nomes e idade de 100 pessoas. A coluna nome será usada como índice.
idadescsv2 = pd.read_csv("idades2.csv", squeeze=True)
idadescsv2.head()
==>
Nome Idade
0 Agatha 24
1 Alice 27
2 Alícia 18
3 Amanda 18
4 Ana Beatriz 44
type(idadescsv2)
==>
pandas.core.frame.DataFrame
A
Índice, Dados
idadescsv3 = pd.read_csv("idades2.csv", index_col = 0, squeeze=True)
idadescsv3.head()
==>
Nome
Agatha 24
Alice 27
Alícia 18
Amanda 18
Ana Beatriz 44
Name: Idade, dtype: int64
idadescsv4 = pd.read_csv("idades2.csv", index_col = 1, squeeze=True)
idadescsv4.head()
==>
Idade
24 Agatha
27 Alice
18 Alícia
18 Amanda
44 Ana Beatriz
Name: Nome, dtype: object
11
Q
idadesxls = pd.read_excel("idades2.xlsx", squeeze=True)
idadesxls.head()
==>
0 55
1 45
2 74
3 18
4 21
Name: Idades, dtype: int64
Abre a primeira planilha por padrão
idadesxls2 = pd.read_excel("idades2.xlsx", sheet_name="Planilha2")
idadesxls2.head()
==>
Nome Idade
0 Agatha 24
1 Alice 27
2 Alícia 18
3 Amanda 18
4 Ana Beatriz 44
type(idadesxls2)
==>
pandas.core.frame.DataFrame
A
idadesxls3 = pd.read_excel("idades2.xlsx", sheet_name="Planilha2", index_col = 0, squeeze=True)
idadesxls3.head()
==>
Nome
Agatha 24
Alice 27
Alícia 18
Amanda 18
Ana Beatriz 44
Name: Idade, dtype: int64
type(idadesxls3)
==>
pandas.core.series.Series
12
Q
Métodos do objeto Series: indexação e iteração
Método Descrição Exemplo
at() Acessa o elemento da chave passada por parâmetro s.iat[“chave”]
iat() Acessa o elemento no índice passado por parâmetro s.iat(0)
get() Retorna um valor para a chave passada por parâmetro s.get(2)
loc() Acessa os elementos para as chaves passadas por parâmetro s.loc[“chave1”, “chave2”]
iloc() Acesso via índice s.iloc[0] ou s.iloc[[1,3]]
keys() Retorna o índice (rótulos) de um objeto Series s.keys()
A
cardápio ==> X-tudo 25.00 X-Bacon 22.00 Bauru 18.50 Misto-quente 4.75 Pão-de-queijo 3.00 Coxinha 4.50 Pastel 2.30 Name: Cardápio, dtype: float64
cardapio. at[“X-tudo”] ==> 25.0
cardapio. iat[0] ==> 25.0
13
Q
Métodos do objeto Series: indexação e iteração
Método Descrição Exemplo
at() Acessa o elemento da chave passada por parâmetro s.iat[“chave”]
iat() Acessa o elemento no índice passado por parâmetro s.iat(0)
get() Retorna um valor para a chave passada por parâmetro s.get(2)
loc() Acessa os elementos para as chaves passadas por parâmetro s.loc[“chave1”, “chave2”]
iloc() Acesso via índice s.iloc[0] ou s.iloc[[1,3]]
keys() Retorna o índice (rótulos) de um objeto Series s.keys()
cardápio ==> X-tudo 25.00 X-Bacon 22.00 Bauru 18.50 Misto-quente 4.75 Pão-de-queijo 3.00 Coxinha 4.50 Pastel 2.30 Name: Cardápio, dtype: float64
A
cardapio. at[“X-tudo”] ==> 25.0
cardapio. iat[0] ==> 25.0
cardapio.iat[0] = 25.5
cardapio.get(0) # não permite alterar
==>
25.5
cardapio.loc[["Bauru", "Pastel"]] ==> Bauru 18.5 Pastel 2.3 Name: Cardápio, dtype: float64
cardapio.iloc[[0,2,3]] ==> X-tudo 25.50 Bauru 18.50 Misto-quente 4.75 Name: Cardápio, dtype: float64
cardapio.keys()
==>
Index(['X-tudo', 'X-Bacon', 'Bauru', 'Misto-quente', 'Pão-de-queijo',
'Coxinha', 'Pastel'],
dtype='object')
14
Q
Métodos do objetos Series: operações matemáticas e estatísticas
A
Método Descrição Exemplo
15
Q
add() Retorna a soma com outra Series ou escalar, elemento por elemento c = a.add(b, fill_value=0)
A
a = pd.Series([4, 8, 2, 5, 7])
b = pd.Series([1, 2, 3, 4, 5])
c = a.add(b)
print(" ",a.values)
print("+",b.values)
print("="*16)
print(c.values)
==>
[4 8 2 5 7]
\+ [1 2 3 4 5]
================
[ 5 10 5 9 12]
a2 = a.add(3)
print(" ",a.values)
print("+",3)
print("="*16)
print(a2.values)
==>
[4 8 2 5 7]
\+ 3
================
[ 7 11 5 8 10]
16
Q
sub() Retorna a subtração com outra Series ou escalar, elemento por elemento c = a.sub(b, fill_value=3)
A
d = a.sub(b)
print(" ",a.values)
print("-",b.values)
print("="*16)
print(d.values)
==>
[4 8 2 5 7]
- [1 2 3 4 5]
================
[ 3 6 -1 1 2]
17
Q
mul() Retorna a multiplicação com outra Series ou escalar, elemento por elemento c = a.mul(b, fill_value=1)
A
e = a.mul(b)
print(" ",a.values)
print("*",b.values)
print("="*16)
print(e.values)
==>
[4 8 2 5 7]
* [1 2 3 4 5]
================
[ 4 16 6 20 35]
18
Q
div() Retorna a divisão com outra Series ou escalar, elemento por elemento c = a.div(b, fill_value=1)
A
f = a.div(b)
print(" ",a.values)
print("/",b.values)
print("="*16)
print(f.values)
==>
[4 8 2 5 7]
/ [1 2 3 4 5]
================
[4. 4. 0.66666667 1.25 1.4 ]
19
Q
floordiv() Retorna a divisão inteira com outra Series ou escalar, elemento por elemento c = a.floordiv(b, fill_value=1)
A
g = a.floordiv(b)
print(" ",a.values)
print("//",b.values)
print("="*16)
print(" ",g.values)
==>
[4 8 2 5 7]
// [1 2 3 4 5]
================
[4 4 0 1 1]
20
Q
mod() Retorna o resto da divisão com outra Series ou escalar, elemento por elemento c = a.mod(b, fill_value=1)
A
h = a.mod(b)
print(" ",a.values)
print("%",b.values)
print("="*16)
print(" ",h.values)
==>
[4 8 2 5 7]
% [1 2 3 4 5]
================
[0 0 2 1 2]
21
Q
pow() Retorna a potenciação com outra Series ou escalar, elemento por elemento c = a.pow(b, fill_value=1)
A
i = a.pow(b)
print(" ",a.values)
print("**",b.values)
print("="*16)
print(" ",i.values)
==>
[4 8 2 5 7]
** [1 2 3 4 5]
================
[ 4 64 8 625 16807]
j = a.pow(2)
print(" ",a.values)
print("**",2)
print("="*16)
print(" ",j.values)
==>
[4 8 2 5 7]
** 2
================
[16 64 4 25 49]
22
Q
round() Arredonda os valores de uma Series para uma quantidade determinada de casas decimais s = a.round(2)
a ==> 0 7.745967 1 2.645751 2 6.403124 3 8.717798 4 7.937254 5 7.745967 6 5.385165 7 9.380832 8 5.385165 9 7.681146 dtype: float64
A
a = a.round(2) ==> 0 7.75 1 2.65 2 6.40 3 8.72 4 7.94 5 7.75 6 5.39 7 9.38 8 5.39 9 7.68 dtype: float64
a = a.round() ==> 0 8.0 1 3.0 2 6.0 3 9.0 4 8.0 5 8.0 6 5.0 7 9.0 8 5.0 9 8.0 dtype: float64
Default é 0
23
Q
lt() Retorna o resultado da comparação menor que, aplicada elemento por elemento, entre duas Series c = a.lt(b, fill_value=0)
LOWER THAN
A
a ==> 0 9 1 5 2 0 3 9 4 5 dtype: int32
b ==> 0 7 1 0 2 8 3 8 4 6 dtype: int32
a.lt(b) 0 False 1 False 2 True 3 False 4 True dtype: bool
24
Q
gt() Retorna o resultado da comparação maior que, aplicada elemento por elemento, entre duas Series c = a.gt(b, fill_value=0) GREATHER THAN
le() Retorna o resultado da comparação menor ou igual, aplicada elemento por elemento, entre duas Series c = a.le(b, fill_value=0) LOWER OR EQUAL THAN
ge() Retorna o resultado da comparação maior ou igual, aplicada elemento por elemento, entre duas Series c = a.ge(b, fill_value=0) GREATER OR EQUAL THAN
A
ne() Retorna o resultado da comparação não igual a, aplicada elemento por elemento, entre duas Series c = a.ne(b, fill_value=0) NOT EQUAL
eq() Retorna o resultado da comparação igual a, aplicada elemento por elemento, entre duas Series c = a.eq(b, fill_value=0) EQUAL
25
product() Retorna o produto entre todos os elementos de um objeto Series s.product()
mutiplica todos os elementos de s por eles mesmos e dá um resultado final
26
sum() Retorna a soma entre todos os elementos de um objeto Series s.sum()
soma todos os elementos de s por eles mesmos e dá um resultado final
27
abs() Retorna valor absoluto de todos os elementos de um objeto Series s.abs()
absoluto de cada elemento
28
count() Retorna a quantidade de elementos não nulos s.count()
idadescsv3.count()
==>
100
29
describe() Gera um relatório com diversas medidas estatísticas como média, percentis, etc... s.describe()
```
idadescsv3.describe()
==>
count 100.000000
mean 35.570000
std 10.766817
min 18.000000
25% 26.750000
50% 34.000000
75% 45.250000
max 55.000000
Name: Idade, dtype: float64
```
30
nlargest() Retorna os n maiores elementos s.nlargest(3)
```
idadescsv3.nlargest(3) ==>
Nome
Lucas 55
Valentina 54
Lucca 53
Name: Idade, dtype: int64
```
31
nsmallest() Retorna os n menores elementos s.nsmallest(5)
```
idadescsv3.nsmallest(5) ==>
Nome
Alícia 18
Amanda 18
Bernardo 18
Heloísa 18
Maria Fernanda 18
Name: Idade, dtype: int64
```
32
quantile() Retorna o valor de determinado quantil passado por parâmetro s.quantile(0.25)
Percentil 25% etc...
33
std() Retorna o desvio padrão s.std()
idadescsv3.std()
==>
10.766816773510332
34
unique() Retorna valores únicos s.unique()
idadescsv3.unique()
==>
array([24, 27, 18, 44, 46, 49, 47, 41, 19, 25, 31, 42, 23, 39, 21, 33, 45,
34, 43, 29, 36, 40, 32, 22, 48, 52, 51, 55, 53, 26, 54],
dtype=int64)
np.sort(idadescsv3.unique()) ==>
array([18, 19, 21, 22, 23, 24, 25, 26, 27, 29, 31, 32, 33, 34, 36, 39, 40,
41, 42, 43, 44, 45, 46, 47, 48, 49, 51, 52, 53, 54, 55],
dtype=int64)
35
nunique() Retorna a quantidade de elementos únicos s.nunique()
idadescsv3.nunique()
=>
31
36
SHALLOW COPY
copy() Retorna uma cópia de um objetos Series s.copy() SHALLOW COPY (CÓPIA SUPERFICIAL, SÓ COPIA A REFERÊNCIA)
serie_estados2
```
0 9
1 5
2 0
3 9
4 5
5 0
6 5
7 4
8 9
9 5
10 5
11 4
12 4
13 3
14 6
dtype: int32
```
copia = serie_estados2.copy()
copia
```
0 9
1 5
2 0
3 9
4 5
5 0
6 5
7 4
8 9
9 5
10 5
11 4
12 4
13 3
14 6
dtype: int32
```
O que modificar em copia modifica também em serie_estados2
37
# DEEP COPY # #
import pickle
copia = pickle.loads(pickle.dumps(serie_estados2))
SE MUDAR NA copia NÃO MODIFICA NA serie_estados2
38
append() Concatena duas ou mais Series s = a.append(b)
```
a
0 9
1 5
2 0
3 9
4 5
dtype: int32
```
```
b
0 2.0
1 5.0
2 NaN
3 0.0
4 3.0
5 NaN
6 6.0
dtype: float64
```
```
ab = a.append(b)
ab ==>
0 9.0
1 5.0
2 0.0
3 9.0
4 5.0
0 2.0
1 5.0
2 NaN
3 0.0
4 3.0
5 NaN
6 6.0
dtype: float64
```
```
ab = a.append(b, ignore_index=True)
ab ==>
0 9.0
1 5.0
2 0.0
3 9.0
4 5.0
5 2.0
6 5.0
7 NaN
8 0.0
9 3.0
10 NaN
11 6.0
dtype: float64
```
39
# DEEP COPY # # CÓPIA DE VERDADE # #
import pickle
copia = pickle.loads(pickle.dumps(serie_estados2))
SE MUDAR NA copia NÃO MODIFICA NA serie_estados2
40
append() Concatena duas ou mais Series s = a.append(b)
```
a
0 9
1 5
2 0
3 9
4 5
dtype: int32
```
```
b
0 2.0
1 5.0
2 NaN
3 0.0
4 3.0
5 NaN
6 6.0
dtype: float64
```
Tem que conferir pra mudar o index
```
ab = a.append(b)
ab ==>
0 9.0
1 5.0
2 0.0
3 9.0
4 5.0
0 2.0
1 5.0
2 NaN
3 0.0
4 3.0
5 NaN
6 6.0
dtype: float64
```
```
ab = a.append(b, ignore_index=True)
ab ==>
0 9.0
1 5.0
2 0.0
3 9.0
4 5.0
5 2.0
6 5.0
7 NaN
8 0.0
9 3.0
10 NaN
11 6.0
dtype: float64
```
41
replace() Substitui valor da Series por outro passado por parâmetro
```
ab
==>
ab ==>
0 9.0
1 5.0
2 0.0
3 9.0
4 5.0
5 2.0
6 5.0
7 NaN
8 0.0
9 3.0
10 NaN
11 6.0
dtype: float64
```
```
c = ab.replace(0, 1)
c ==>
0 9.0
1 5.0
2 1.0
3 9.0
4 5.0
5 2.0
6 5.0
7 NaN
8 1.0
9 3.0
10 NaN
11 6.0
dtype: float64
```
42
update() Modifica uma série por valores de outra série passada por parâmetro
```
c ==>
0 9.0
1 5.0
2 1.0
3 9.0
4 5.0
5 2.0
6 5.0
7 NaN
8 1.0
9 3.0
10 NaN
11 6.0
dtype: float64
```
```
d = pd.Series([4, 10, 11, 12], index=[9, 7, 10, 4])
d ==>
9 4
7 10
10 11
4 12
dtype: int64
```
```
c.update(d)
c
=>
0 9.0
1 5.0
2 1.0
3 9.0
4 12.0 ###
5 2.0
6 5.0
7 10.0 ###
8 1.0
9 4.0 ###
10 11.0 ###
11 6.0
dtype: float64
```
43
head() Retorna as n primeiras linhas s.head(n)
| default = 5, max é 60, a partir disso retorna 5 primeiras e 5 últimas
idadescsv3.head()
44
tail() Retorna as n últimas linhas s.tail(n)
| default = 5, max é 60, a partir disso retorna 5 primeiras e 5 últimas
idadescsv3.tail()
45
sample() Retorna uma amostra s.sample()
idadescsv3. sample() # Por default retorna 1 linha de amostra
idadescsv3. sample(5)
46
where() Retorna uma Series onde valores para os quais a condição é False são substituídos por outro passado por parâmetro s.where(s <= 0, 5)
d = c.where(c > 3, 10) # Troca valores por 10 se a condição for falsa
e = c.where(c <= 3, 0) # Troca valores por 0 se a condição for falsa
print("c.values", c.values)
print("d.values", d.values)
print("e.values", e.values)
==>
c.values [ 9. 5. 0. 9. 5. 2. 5. nan 0. 3. nan 6.]
d.values [ 9. 5. 10. 9. 5. 10. 5. 10. 10. 10. 10. 6.]
e.values [0. 0. 0. 0. 0. 2. 0. 0. 0. 3. 0. 0.]
47
mask() Retorna uma Series onde valores para os quais a condição é True são substituídos por outro passado por parâmetro s.mask(s > 0, 5)
d = c.mask(c > 3, 10) # Troca valores por 10 se a condição for verdadeira
e = c.mask(c <= 3, 0) # Troca valores por 0 se a condição for verdadeira
print("c.values", c.values)
print("d.values", d.values)
print("e.values", e.values)
==>
c.values [ 9. 5. 0. 9. 5. 2. 5. nan 0. 3. nan 6.]
d.values [10. 10. 0. 10. 10. 2. 10. nan 0. 3. nan 10.]
e.values [ 9. 5. 0. 9. 5. 0. 5. nan 0. 0. nan 6.]
48
Métodos do objetos Series: manipulação de dados ausentes
Método Descrição Exemplo
isna()
notna()
dropna()
fillna()
isna() Retorna quais valores estão ausentes s.isna()
notna() Retorna quais valores estão presentes s.notna()
dropna() Retorna uma nova Series com valores ausentes removidos s.dropna()
fillna() Substitui valores ausentes por um valor ou usando um método de substituição s.fillna(0)
49
isna() Retorna quais valores estão ausentes s.isna()
s = pd.Series([2, 5, np.nan, 0, 3, None, 6])
s.isna()
==>
```
0 False
1 False
2 True
3 False
4 False
5 True
6 False
dtype: bool
```
50
notna() Retorna quais valores estão presentes s.notna()
s = pd.Series([2, 5, np.nan, 0, 3, None, 6])
s.notna()
==>
```
0 True
1 True
2 False
3 True
4 True
5 False
6 True
dtype: bool
```
51
dropna() Retorna uma nova Series com valores ausentes removidos s.dropna()
```
s = pd.Series([2, 5, np.nan, 0, 3, None, 6])
s1 = s.dropna()
s1
==>
0 2.0
1 5.0
3 0.0
4 3.0
6 6.0
dtype: float64
```
```
s.dropna(inplace=True)
s
==>
0 2.0
1 5.0
3 0.0
4 3.0
6 6.0
dtype: float64
```
(modifica a série original)
52
fillna() Substitui valores ausentes por um valor ou usando um método de substituição s.fillna(0)
```
s = pd.Series([2, 5, np.nan, 0, 3, None, 6])
s1 = s.fillna(-1)
print(s.values)
print(s1.values)
==>
[ 2. 5. nan 0. 3. nan 6.]
[ 2. 5. -1. 0. 3. -1. 6.]
```
```
# se quiser modificar série original
s.fillna(-1, inplace=True)
s
==>
0 2.0
1 5.0
2 -1.0
3 0.0
4 3.0
5 -1.0
6 6.0
dtype: float64
```
```
# Preenche com o elemento posterior ao NaN
s2 = s.fillna(method='bfill')
print(s.values)
print(s2.values)
==>
[ 2. 5. nan 0. 3. nan 6.]
[2. 5. 0. 0. 3. 6. 6.]
```
```
# Preenche com o elemento anterior ao NaN
s3 = s.fillna(method='ffill')
print(s.values)
print(s3.values)
==>
[ 2. 5. nan 0. 3. nan 6.]
[2. 5. 5. 0. 3. 3. 6.]
```
53
Métodos do objetos Series: ordenação
Método Descrição Exemplo
sort_values() Retorna uma Series ordenada pelos valores s.sort_values()
sort_index() Retorna uma Series ordenada pelos rótulos s.sort_index()
```
idadescsv3.head(10)
==>
Nome
Agatha 24
Alice 27
Alícia 18
Amanda 18
Ana Beatriz 44
Ana Clara 46
Ana Julia 49
Ana Luiza 47
Antônio 47
Arthur 41
Name: Idade, dtype: int64
```
```
ordenado_id = idadescsv3.sort_values()
ordenado_id.head(10)
==>
Nome
Bernardo 18
Alícia 18
Amanda 18
Heloísa 18
Maria Fernanda 18
Benjamin 19
Rodrigo 19
Daniel 19
Cecília 21
Julia 21
Name: Idade, dtype: int64
```
```
ordenado_nome = ordenado_id.sort_index()
ordenado_nome.head(10)
==>
Nome
Agatha 24
Alice 27
Alícia 18
Amanda 18
Ana Beatriz 44
Ana Clara 46
Ana Julia 49
Ana Luiza 47
Antônio 47
Arthur 41
Name: Idade, dtype: int64
```
54
Métodos do objetos Series: manipulando strings
str. capitalize() Retorna uma Series com os Strings convertidos para a forma capitalizada: primeiro caractere maiúsculo e caracteres restantes em minúsculo s.str.capitalize()
str. lower() Retorna uma Series com os Strings convertidos para letras minúsculas s.str.lower()
str. upper() Retorna uma Series com os Strings convertidos para letras maiúsculas s.str.upper()
str. title() Retorna uma Series com os Strings convertidos para o formato de título: primeira letra de cada palavra convertida para maiúscula s.str.title()
livros = pd.Series(["Introdução à programação com Python",
"Curso Intensivo de Python",
"Python para análise de dados"])
livros
==>
0 Introdução à programação com Python
1 Curso Intensivo de Python
2 Python para análise de dados
dtype: object
```
livros.str.title()
==>
0 Introdução À Programação Com Python
1 Curso Intensivo De Python
2 Python Para Análise De Dados
dtype: object
```
```
# Não modifica a série original
livros
==>
0 Introdução à programação com Python
1 Curso Intensivo de Python
2 Python para análise de dados
dtype: object
```
55
```
linhas = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
colunas = ["A", "B", "C", "D", "E"]
np.random.seed(1)
dados = np.random.randint(0,100,(10,5))
df = pd.DataFrame(dados, linhas, colunas)
df
==>
```
```
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
56
```
df = pd.DataFrame(dados, linhas, colunas)
df
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
type(df)
==>
pandas.core.frame.DataFrame
Informações sobre o DataFrame
df.info()
==>
```
Int64Index: 10 entries, 1 to 10
Data columns (total 5 columns):
A 10 non-null int32
B 10 non-null int32
C 10 non-null int32
D 10 non-null int32
E 10 non-null int32
dtypes: int32(5)
memory usage: 280.0 bytes
```
57
```
df = pd.DataFrame(dados, linhas, colunas)
df
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
Medidas estatísticas do DataFrame
CADA COLUNA NO DATAFRAME É TAMBÉM UM OBJETO DO TIPO SERIES
df.describe()
==>
A B C D E
count 10.000000 10.000000 10.000000 10.000000 10.000000
mean 35.800000 45.500000 45.100000 45.300000 45.000000
std 28.785799 37.880661 36.354581 27.912761 31.742016
min 5.000000 1.000000 0.000000 9.000000 1.000000
25% 11.750000 12.500000 7.750000 18.250000 21.250000
50% 29.500000 44.500000 56.500000 53.500000 39.000000
75% 52.000000 77.000000 70.000000 66.250000 74.250000
max 87.000000 94.000000 96.000000 86.000000 87.000000
58
```
df = pd.DataFrame(dados, linhas, colunas)
df
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
Medidas estatísticas do DataFrame
CADA COLUNA NO DATAFRAME É TAMBÉM UM OBJETO DO TIPO SERIES
df.describe()
==>
A B C D E
count 10.000000 10.000000 10.000000 10.000000 10.000000
mean 35.800000 45.500000 45.100000 45.300000 45.000000
std 28.785799 37.880661 36.354581 27.912761 31.742016
min 5.000000 1.000000 0.000000 9.000000 1.000000
25% 11.750000 12.500000 7.750000 18.250000 21.250000
50% 29.500000 44.500000 56.500000 53.500000 39.000000
75% 52.000000 77.000000 70.000000 66.250000 74.250000
max 87.000000 94.000000 96.000000 86.000000 87.000000
59
```
# Plotagem de gráficos
%matplotlib inline
df.plot.box()
```
df.plot.bar()
```
# # Selecionar uma coluna
df["A"] == df.A
```
```
# # Selecionando múltiplas colunas
df[["C", "D", "E"]]
```
Verificar tipo de cada coluna:
type(df["A"])
=>>
pandas.core.series.Series
60
```
df = pd.DataFrame(dados, linhas, colunas)
df
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
```
# Inclusão de colunas
df["Total"] = df.A + df.B + df.C + df.D + df.E
df
==>
A B C D E Total
1 37 12 72 9 75 205
2 5 79 64 16 1 165
3 76 71 6 25 50 228
4 20 18 84 11 28 161
5 29 14 50 68 87 248
6 87 94 96 86 13 376
7 9 7 63 61 22 162
8 57 1 0 60 81 199
9 8 88 13 47 72 228
10 30 71 3 70 21 195
```
61
```
df = pd.DataFrame(dados, linhas, colunas)
df
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
```
# Somatório de cada coluna
df.sum()
==>
A 358
B 455
C 451
D 453
E 450
dtype: int64
```
Adicionando um nova linha com o somatório
tot_coluna = pd.DataFrame(np.array(df.sum()).reshape(1,6), index=['Total'], columns=df.columns)
tot_coluna
==>
A B C D E Total
Total 358 455 451 453 450 2167
```
# Concatenando o DataFrame tot_coluna com o DataFrame df
df2 = df.append(tot_coluna)
df2
==>
A B C D E Total
1 37 12 72 9 75 205
2 5 79 64 16 1 165
3 76 71 6 25 50 228
4 20 18 84 11 28 161
5 29 14 50 68 87 248
6 87 94 96 86 13 376
7 9 7 63 61 22 162
8 57 1 0 60 81 199
9 8 88 13 47 72 228
10 30 71 3 70 21 195
Total 358 455 451 453 450 2167
```
```
# Outra forma de inserir uma nova linha seria ignorar os rótulos (índices) das linhas
df3 = df2.append(df.mean(), ignore_index = True)
df3
==>
A B C D E Total
0 37.0 12.0 72.0 9.0 75.0 205.0
1 5.0 79.0 64.0 16.0 1.0 165.0
2 76.0 71.0 6.0 25.0 50.0 228.0
3 20.0 18.0 84.0 11.0 28.0 161.0
4 29.0 14.0 50.0 68.0 87.0 248.0
5 87.0 94.0 96.0 86.0 13.0 376.0
6 9.0 7.0 63.0 61.0 22.0 162.0
7 57.0 1.0 0.0 60.0 81.0 199.0
8 8.0 88.0 13.0 47.0 72.0 228.0
9 30.0 71.0 3.0 70.0 21.0 195.0
10 358.0 455.0 451.0 453.0 450.0 2167.0
11 35.8 45.5 45.1 45.3 45.0 216.7
```
62
```
A B C D E Total
0 37.0 12.0 72.0 9.0 75.0 205.0
1 5.0 79.0 64.0 16.0 1.0 165.0
2 76.0 71.0 6.0 25.0 50.0 228.0
3 20.0 18.0 84.0 11.0 28.0 161.0
4 29.0 14.0 50.0 68.0 87.0 248.0
5 87.0 94.0 96.0 86.0 13.0 376.0
6 9.0 7.0 63.0 61.0 22.0 162.0
7 57.0 1.0 0.0 60.0 81.0 199.0
8 8.0 88.0 13.0 47.0 72.0 228.0
9 30.0 71.0 3.0 70.0 21.0 195.0
10 358.0 455.0 451.0 453.0 450.0 2167.0
11 35.8 45.5 45.1 45.3 45.0 216.7
```
```
# Exclusão de colunas usando o drop
df4 = df.drop("Total", axis=1) # axis = 1, excluir a coluna
df4
==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
Não altera na coluna original, pra deletar de verdade inplace = True:
```
# Para excluir a coluna "Total" de df, é necessário usar o parâmetro inplace
df.drop("Total", axis = 1, inplace=True) # ou df = df.drop("Total", axis=1)
df
```
63
```
# Exclusão de uma linha específica
df2.drop(10, inplace=True) # axis por padrão é 0 (eixo das linhas)
df2
```
```
A B C D E Total
1 37 12 72 9 75 205
2 5 79 64 16 1 165
3 76 71 6 25 50 228
4 20 18 84 11 28 161
5 29 14 50 68 87 248
6 87 94 96 86 13 376
7 9 7 63 61 22 162
8 57 1 0 60 81 199
9 8 88 13 47 72 228
Total 358 455 451 453 450 2167
```
64
Exclusão de múltiplas linhas
df2.drop([3, 7, 8], inplace=True)
df2
==>
```
A B C D E Total
1 37 12 72 9 75 205
2 5 79 64 16 1 165
4 20 18 84 11 28 161
5 29 14 50 68 87 248
6 87 94 96 86 13 376
9 8 88 13 47 72 228
Total 358 455 451 453 450 2167
```
65
```
df ==>
A B C D E
1 37 12 72 9 75
2 5 79 64 16 1
3 76 71 6 25 50
4 20 18 84 11 28
5 29 14 50 68 87
6 87 94 96 86 13
7 9 7 63 61 22
8 57 1 0 60 81
9 8 88 13 47 72
10 30 71 3 70 21
```
```
# Seleção de linhas e colunas através dos rótulos
df.loc[[1, 5, 6], ["D","E"]]
==>
D E
1 9 75
5 68 87
6 86 13
```
```
# Pelos índices
df.iloc[[0, 4, 5], [3,4]] # equivalente a df.loc[[1, 5, 6], ["D","E"]]
==>
D E
1 9 75
5 68 87
6 86 13
```
