Python para Ciência de Dados – Pandas

Posted onagosto 13, 2018 Edit ondezembro 19, 2018 by Matheus Martins

Pandas Series e DataFrames

Hoje eu comecei a mexer um pouco com Pandas. Eu já havia mexido com esse pacote em outro curso, mas é sempre bom rever os conceitos e aprender alguns novos.

O pacoted Pandas tem duas estruturas principais de dados

Series
DataFrames

Series

Series são matrizes de uma única dimensão, enquando DataFrames são matrizes de mais de uma dimensão, ou seja, bidimensionais, tridimensionais, etc.

Uma Serie tem dados e índices. Primeiramente passamos os dados e depois os índices:

ser = pd.Series([100, 'foo', 300, 'bar', 500], ['tom', 'bob', 'nancy', 'dan', 'eric'])

1	ser = pd.Series([100, 'foo', 300, 'bar', 500], ['tom', 'bob', 'nancy', 'dan', 'eric'])

Suponhamos que você queira ver os índices disponíveis; Simplesmente utilize o seguinte:

ser.index

ser.index

Agora digamos que você deseja localizar o valor de um ou mais de seus índices:

ser.loc('bob')

ser.loc(['bob', 'nancy'])

ser.loc('bob')

ser.loc(['bob', 'nancy'])

Você pode também selecionar os índices que você quiser pelo índice numérico deles:

ser[[4, 3, 1]]

1	ser[[4, 3, 1]]

Você pode utilizar o método iloc para localizar através de um inteiro:

ser.iloc([2])

1	ser.iloc([2])

Além disso, você pode conferir se existe um índice dentro de uma matriz simplesmente utilizando o in.

'bob' in ser

1	'bob' in ser

Você pode também fazer operações com a matriz:

Multiplicar:

ser * 2

ser * 2

Exponenciação onde existem valores numéricos:

ser[['nancy', 'eric']] ** 2

1	ser[['nancy', 'eric']] ** 2

Enfim, você pode fazer diversas operações com as Series.

DataFrames

DataFrame do Pandas são estrutura de dados rotulados em matrizes bidimensionais. Oi? Sim, isso mesmo. O que eu disse é que ela tem um rótulo em cima da coluna, um rótulo para a linha e o valor da célula.

Vamos criar um dicionário com duas Series:

d = {'one': pd.Series(data=[100., 200., 300.], ['apple', 'ball', 'clock']),
	 'two': pd.Series([111., 222., 333., 4444.], index=['apple', 'ball', 'cerill', 'dancy'])}

1 2	d = {'one': pd.Series(data=[100., 200., 300.], ['apple', 'ball', 'clock']), 'two': pd.Series([111., 222., 333., 4444.], index=['apple', 'ball', 'cerill', 'dancy'])}

Agora vamos transformar esse dicionário em uma dataframe:

df = pd.DataFrame(d)
df

1 2	df = pd.DataFrame(d) df

Para ver os índices, use a seguinte forma:

df.index

df.index

Agora, para identificar as colunas, utilize:

df.columns

1	df.columns

Você pode querer criar um dataframe apenas com alguns dos itens do dicionário:

pd.DataFrame(d, index=['apple', 'dancy', 'cerill'])

1	pd.DataFrame(d, index=['apple', 'dancy', 'cerill'])

Você pode também criar um dataframe apenas com alguns itens do dicionário e com apenas algumas colunas:

pd.DataFrame(d, index=['dancy', 'ball', 'apple'], columns=['two', 'five'])

1	pd.DataFrame(d, index=['dancy', 'ball', 'apple'], columns=['two', 'five'])

Agora, vamos ver como criar um dataframe com uma lista de dicionários em Python:

data = [{'alex':1, 'joe': 2}, 
        {{'ema': 5, 'dora': 10, 'alice': 20}}]

1 2	data = [{'alex':1, 'joe': 2}, {{'ema': 5, 'dora': 10, 'alice': 20}}]

Transforme em um dataframe:

pd.DataFrame(data)

1	pd.DataFrame(data)

Selecione apenas alguns rótulos:

pd.DataFrame(data, index=['red', 'blue'])

1	pd.DataFrame(data, index=['red', 'blue'])

Perceba que aqui ele transforma os índices das linhas em nomes: red e blue.

Selecione apenas algumas colunas:

pd.DataFrame(data, columns=['alex', 'dora', 'ema'])

1	pd.DataFrame(data, columns=['alex', 'dora', 'ema'])

Operações básicas com DataFrame

Mostrar os valores de one de df:

df['one']

df['one']

Criar uma nova coluna com a multiplicação de outras duas colunas:

df['three'] = df['one'] * df['two']

1	df['three'] = df['one'] * df['two']

Criar uma nova coluna com valores booleanos a depender dos valores de outra coluna:

df['booleans'] = df['one'] > 200

1	df['booleans'] = df['one'] > 200

Retirar uma das colunas e guardar em uma variável:

three = df.pop('three')

1	three = df.pop('three')

Excluir uma das colunas:

del df['two']

1	del df['two']

Inserir uma nova coluna:

Aqui, vamos inserir a coluna de índice 2, com o título cópia_col_um com os dados da df[‘one’].

df.insert(2, 'copia_col_um', df['one'])

1	df.insert(2, 'copia_col_um', df['one'])

Inserir nova coluna com valores de uma coluna do DataFrame:

df['nova_coluna'] = df['one'][:2]

1	df['nova_coluna'] = df['one'][:2]

Aqui, a nova coluna será populada com os valores até a linha de índice 2, sendo ela não inclusiva.

Bom, por hoje é isso 🙂

Nos vemos amanhã neste mesmo site 😀