Tópico 6 – Mais consultas e GroupBy

Vamos aprender como agrupar a sumarizar dados!

Resultados Esperados

Entender a função groupby
Ter um pouco de noção do potêncial de pandas

Material Adaptado do DSC10 (UCSD)

Os dados de hoje estão aqui (Afonso Pena) e aqui (IMDB)

#In: 
# Descomente e execute as linhas a seguir para usar o BabyPandas e o PandasTutor
# (faça isso apenas se não tiver instalado ainda)
# ! pip install babypandas
# ! pip install pandas_tutor

#In: 
import babypandas as bpd
import numpy as np


# Estamos importando o matplotlib pela primeira vez.
# Serve para fazer gráficos
import matplotlib.pyplot as plt
plt.style.use('ggplot')

#In: 
# Esssas linhas servem para que o Pandas Tutor execute
%reload_ext pandas_tutor
%set_pandas_tutor_options {'projectorMode': True}

Hoje

Recapitulação: consultas.
Consultas com múltiplas condições.
Grupo por.
Prática extra, incluindo problemas de desafio.

Sobre os dados: Ainda estamos na feira da Afonso Pena

O DataFrame df contém dados dos feirantes da Afonso Pena

#In: 
# para rodar no colab use 'https://raw.githubusercontent.com/flaviovdf/fcd/main/assets/06-GroupBy/data/afonso_pena.csv'
# i.e., df = bpd.read_csv('https://raw.githubusercontent.com/flaviovdf/fcd/main/assets/06-GroupBy/data/afonso_pena.csv')
df = bpd.read_csv('afonso_pena.csv')

produtos = df.get('NUMERO_PRODUTOS_CADASTRADOS')
area = df.get('AREA')

df = df.assign(
    DENSIDADE= produtos / area
)
df = df.set_index('ID_FEIRA_AFONSO_PENA_BARRACA')
df

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
87	D.F2.V016	BARRACA CÉLIA APARECIDA DE SOUZA	CÉLIA APARECIDA DE SOUZA	EDSON PIRES DE SOUZA	Vestuário	BLUSA, BERMUDA, ROUPA DE GINÁSTICA, SAIA, VEST...	7.0	11.827592	0.591836
...	...	...	...	...	...	...	...	...	...
1350	G.F4.V014	BARRACA HELCIO LICIO SILVA	HELCIO LICIO SILVA	GRAZIELA CRISTINA RAMALHO SILVA	Bijouterias	ANEL, COLAR, BROCHE, BRINCO, PULSEIRA, ALIANÇA...	7.0	11.838911	0.591271
1351	J.F1.V004	BARRACA DIEGO DOS SANTOS DIAS	DIEGO DOS SANTOS DIAS	CELSO DE SOUZA LINHARES	Calçados	RASTEIRINHA, SAPATO, SANDÁLIA	3.0	11.827592	0.253644
1352	D.F4.V050	BARRACA JAIR CORREA	JAIR CORREA	Keli Aparecida Batista Correa	Vestuário	VESTIDO DE MALHA, BATA DE TECIDO, CONJUNTO, SA...	5.0	11.827592	0.422740
1353	G.F2.V010	BARRACA SIDNEY FERNANDO KNEIPP SOARES	SIDNEY FERNANDO KNEIPP SOARES	ANA PAULA FAUSTINA DE SOUZA	Bijouterias	COLAR, GARGANTILHA, ARCO, ANEL, PASSADOR DE CA...	7.0	11.838911	0.591271
1354	G.F1.V061	BARRACA REGINA GARCIA FERREIRA	REGINA GARCIA FERREIRA	Rejane Garcia Ferreira Clemente	Bijouterias	COLAR DE METAL, PRESILHA, PASSADOR DE CABELO, ...	4.0	11.827592	0.338192

1250 rows × 9 columns

Recapitulação: consultas

O que é uma consulta? 🤔

Uma “consulta” é um código que extrai linhas de um DataFrame para as quais determinadas condições são verdadeiras.
Freqüentemente usamos consultas para filtrar DataFrames para que contenham apenas as linhas que satisfaçam as condições declaradas em nossas perguntas.

Como consultamos um DataFrame?

Para selecionar apenas determinadas linhas do DataFrame df:

Faça uma sequência (lista/array/Série) de Trues (manter) e Falses (jogar fora), geralmente fazendo uma comparação.
Em seguida, passe-o para df[consulta].

Comparações entre elementos

Existem vários tipos de comparações que podemos fazer.

símbolo	significado
`==`	igual a
`!=`	diferente de
`<`	menos que
`<=`	menor ou igual a
`>`	maior que
`>=`	maior ou igual a

Exemplo 5: Qual o número de barracas de comida?

Conceito principal: consulta

Estratégia

Consulta para extrair um DataFrame apenas das solicitações 'Alimentação'.
Classifique por 'NUMERO_PRODUTOS_CADASTRADOS' em ordem decrescente.
Extraia o primeiro elemento da coluna 'NOME_FEIRANTE'.

#In: 
comida = df[df.get('NOME_SETOR') == 'Alimentação']
comida.shape

(100, 9)

Qual o (A PESSOA) feirante que vende mais produtos de comida?

#In: 
comida = comida.sort_values(by='NUMERO_PRODUTOS_CADASTRADOS', ascending=False)
comida

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
109	Y.F1.V012	BARRACA DAYSE PINTO NORBERTO	DAYSE PINTO NORBERTO	DJALMA ANTÔNIO DE FREITAS	Alimentação	CERVEJA, TORRESMO, CHIPS, AZEITONA, REFRIGERAN...	21.0	33.611057	0.624794
1406	Z.F1.V007	BARRACA FRANCINERE AMARAL CARDOSO RIBEIRO DE S...	FRANCINERE AMARAL CARDOSO RIBEIRO DE SOUZA	RAYKARD AGUIAR DE JESUS	Alimentação	CERVEJA, REFRIGERANTE, SUCO INDUSTRIALIZADO, E...	20.0	33.611058	0.595042
1015	X.F1.V020	BARRACA VERA LUIZA DE CARVALHO MACEDO	VERA LUIZA DE CARVALHO MACEDO	ORLANDINEIA ALVES	Alimentação	CERVEJA, SANDUÍCHE NATURAL, BISCOITO, BOLO, RO...	17.0	33.595966	0.506013
380	Y.F1.V020	BARRACA MARGARET LÚCIA DA COSTA SILVA	MARGARET LÚCIA DA COSTA SILVA	MARIA TRINDADE DECIOLA DE JESUS	Alimentação	ACARAJÉ, BOLINHO DE CARNE DE SOL, SUCO DE AÇAÍ...	16.0	33.539371	0.477051
26	Y.F2.V007	BARRACA ANA CALDEIRA GOMES	ANA CALDEIRA GOMES	PAULO HENRIQUE DE JESUS CALDEIRA	Alimentação	CHURRASCO, PÃO DE QUEIJO, LEITE, REFRIGERANTE,...	14.0	33.611058	0.416530
...	...	...	...	...	...	...	...	...	...
1269	X.F2.V013	BARRACA FELIPE RODRIGUES ALVES DE DEUS	FELIPE RODRIGUES ALVES DE DEUS	SIDNEY ALVES DE DEUS	Alimentação	CHURRASCO	1.0	33.558728	0.029799
1457	X.F2.V011	BARRACA WELLINGTON ALVES DE DEUS	WELLINGTON ALVES DE DEUS	SANDRO ALVES DE DEUS	Alimentação	CHURRASCO	1.0	33.595966	0.029765
1423	X.F1.V003	BARRACA CELIA APARECIDA MONTEIRO CIPRIANO	CELIA APARECIDA MONTEIRO CIPRIANO	APARECIDA SANTOS MONTEIRO	Alimentação	ACARAJÉ	1.0	33.697508	0.029676
261	X.F2.V003	BARRACA JOÃO GERALDO MARTINS DE SOUZA	JOÃO GERALDO MARTINS DE SOUZA	CHARLES DAVIDSON ROSA MARTINS	Alimentação	CHURRASCO	1.0	33.569063	0.029789
92	Y.F1.V003	BARRACA CHAQUIBE HASSAN SOUKI HUNIOR	CHAQUIBE HASSAN SOUKI HUNIOR	GISMAR JOSÉ GOMES	Alimentação	DOCE DIVERSO	1.0	33.605972	0.029757

100 rows × 9 columns

#In: 
# iloc pega a n-ésimo linha. não busca por índice, sim por linha
comida.get('NOME_FEIRANTE').iloc[0]

'DAYSE PINTO NORBERTO'

E se a condição não for satisfeita?

#In: 
df[df.get('NOME_FEIRANTE') == 'FLAVIO FIGUEIREDO']

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA

Verificação de conceito ✅

Qual expressão abaixo é avaliada como o número total de produtos infantis?

A. df[df.get('NOME_SETOR') == 'Criança'].shape

B. df[df.get('NOME_SETOR') == 'Criança'].get('NUMERO_PRODUTOS_CADASTRADOS').sum()

C.df[df.get('NOME_SETOR') != 'Criança'].get('NUMERO_PRODUTOS_CADASTRADOS').sum()

D. Mais de um dos itens acima.

Atividade 🚘

Pergunta: Quais são os produtos vendidos pelo feirante que mais vende produtos infantis?

Escreva uma linha de código que avalie a resposta.

#In: 
...

Ellipsis

Exemplo 6: Quantos feirantes vendem Vestuário Infantil e Produtos Infantis?

Conceito principal: Consultas com múltiplas condições.

Múltiplas condições

Para escrever uma consulta com múltiplas condições, use & para “e” e | para “ou”.
Você deve usar (parênteses) em torno de cada condição!
⚠️ Não use as palavras-chave Python and e or aqui! Eles não se comportam como você gostaria.
Consulte BPD 10.3 para obter uma explicação.

#In: 
df[(df.get('NOME_SETOR') == 'Vestuário Infantil') | (df.get('NOME_SETOR') == 'Criança')]

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
88	E.F3.V016	BARRACA CELINA MARIA SILVA MARCELINO	CELINA MARIA SILVA MARCELINO	ALBERTINO SERGIO MARCELINO	Vestuário Infantil	FANTASIA, BERMUDA, CALÇA, SAIA, VESTIDO, CAMISA	6.0	11.827592	0.507288
94	E.F4.V029	BARRACA CLARICE CONCEIÇÃO DAS GRAÇAS DE OLIVEI...	CLARICE CONCEIÇÃO DAS GRAÇAS DE OLIVEIRA LIMA	ANGELICA MARIA DE OLIVEIRA LIMA	Vestuário Infantil	CONJUNTO, SHORT, CUECA, CAMISA, CAMISETA, BLUS...	7.0	11.838911	0.591271
...	...	...	...	...	...	...	...	...	...
1426	F.F3.V010	BARRACA ALESSANDRA DE ABREU REIS	ALESSANDRA DE ABREU REIS	GLAUCIA HELENA DE ABREU TAVARES	Criança	ACESSÓRIOS PARA CACHORRO, ALMOFADA, CAMA DE TE...	14.0	11.838911	1.182541
1435	E.F4.V006	BARRACA CILDA LUZIA GUALBERTO	CILDA LUZIA GUALBERTO	CILMA MARIA GUALBERTO DE OLIVEIRA	Vestuário Infantil	VESTIDO, BOLERO, CUECA, BERMUDA, SAIA, BLUSA	6.0	11.827592	0.507288
1337	F.F2.V004	BARRACA MATHEUS PESSALI TIAGO BARBOSA	MATHEUS PESSALI TIAGO BARBOSA	MIRNA COSTA GONÇALVES	Criança	QUADRO, TOALHA FRALDA, TOALHA, BRINQUEDO PEDAG...	6.0	11.838911	0.506803
1342	E.F1.V005	BARRACA MAIRA FERNANDES DE MOURA	MAIRA FERNANDES DE MOURA	MAURÍCIO MARTINS TERRINHA	Vestuário Infantil	JARDINEIRA, VESTIDO, SHORT, SAIA, BLUSA	5.0	11.838911	0.422336
1343	E.F1.V033	BARRACA ELIANE CORREA JANSEN	ELIANE CORREA JANSEN	ANDREA CORREA JANSEN	Vestuário Infantil	VESTIDO, TIARA, BLUSA, BODY, TOUCA, CALCINHA	6.0	11.838911	0.506803

224 rows × 9 columns

#In: 
# Dentro de de parênteses () ou de colchetes [] podemos quebrar a linha. ajuda na leitura
df[(df.get('NOME_SETOR') == 'Vestuário Infantil') | 
   (df.get('NOME_SETOR') == 'Criança')]

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
88	E.F3.V016	BARRACA CELINA MARIA SILVA MARCELINO	CELINA MARIA SILVA MARCELINO	ALBERTINO SERGIO MARCELINO	Vestuário Infantil	FANTASIA, BERMUDA, CALÇA, SAIA, VESTIDO, CAMISA	6.0	11.827592	0.507288
94	E.F4.V029	BARRACA CLARICE CONCEIÇÃO DAS GRAÇAS DE OLIVEI...	CLARICE CONCEIÇÃO DAS GRAÇAS DE OLIVEIRA LIMA	ANGELICA MARIA DE OLIVEIRA LIMA	Vestuário Infantil	CONJUNTO, SHORT, CUECA, CAMISA, CAMISETA, BLUS...	7.0	11.838911	0.591271
...	...	...	...	...	...	...	...	...	...
1426	F.F3.V010	BARRACA ALESSANDRA DE ABREU REIS	ALESSANDRA DE ABREU REIS	GLAUCIA HELENA DE ABREU TAVARES	Criança	ACESSÓRIOS PARA CACHORRO, ALMOFADA, CAMA DE TE...	14.0	11.838911	1.182541
1435	E.F4.V006	BARRACA CILDA LUZIA GUALBERTO	CILDA LUZIA GUALBERTO	CILMA MARIA GUALBERTO DE OLIVEIRA	Vestuário Infantil	VESTIDO, BOLERO, CUECA, BERMUDA, SAIA, BLUSA	6.0	11.827592	0.507288
1337	F.F2.V004	BARRACA MATHEUS PESSALI TIAGO BARBOSA	MATHEUS PESSALI TIAGO BARBOSA	MIRNA COSTA GONÇALVES	Criança	QUADRO, TOALHA FRALDA, TOALHA, BRINQUEDO PEDAG...	6.0	11.838911	0.506803
1342	E.F1.V005	BARRACA MAIRA FERNANDES DE MOURA	MAIRA FERNANDES DE MOURA	MAURÍCIO MARTINS TERRINHA	Vestuário Infantil	JARDINEIRA, VESTIDO, SHORT, SAIA, BLUSA	5.0	11.838911	0.422336
1343	E.F1.V033	BARRACA ELIANE CORREA JANSEN	ELIANE CORREA JANSEN	ANDREA CORREA JANSEN	Vestuário Infantil	VESTIDO, TIARA, BLUSA, BODY, TOUCA, CALCINHA	6.0	11.838911	0.506803

224 rows × 9 columns

Pergunta Original: Quantos feirante nos dois setores?

#In: 
df[(df.get('NOME_SETOR') == 'Vestuário Infantil') | 
   (df.get('NOME_SETOR') == 'Criança')].shape[0]

#In: 
df.get('NOME_SETOR').unique()

array(['Criança', 'Bijouterias', 'Vestuário Infantil', 'Vestuário',
       'Calçados', 'Alimentação', 'Cintos, Bolsas e Acessórios',
       'Artes e Pintura', 'Arranjos e Complementos',
       'Decoração e Utilidades', 'Cama, Mesa, Banho e Tapeçaria',
       'Mobilário, Flores, Arranjos, Cestaria', 'Esculturas'],
      dtype=object)

Verificação de conceito ✅

Cada uma das perguntas a seguir pode ser respondida consultando o DataFrame requests.

Qual categoria tem mais produtos, ‘Artes e Pintura’ ou ‘Esculturas’?
Quantos feirantes vendem ‘Vestuário’?
Qual o nome do feirante que vende mais ‘Vestuário’?
Quantas das perguntas acima exigem que a consulta tenha múltiplas condições?

Tente escrever o código para responder a cada pergunta.

#In: 
...

Ellipsis

Selecionando linhas por posição com `.take`

A consulta nos permite selecionar linhas que satisfaçam uma determinada condição.
Também podemos selecionar linhas em posições específicas com .take([list_of_integer_positions]). Isso mantém apenas as linhas cujas posições estão na lista especificada.
Isso é análogo a usar .iloc[] em uma série.
É raro precisar selecionar linhas por posição inteira. Consultar é muito mais útil.

#In: 
df.take([1, 3, 5])

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
88	E.F3.V016	BARRACA CELINA MARIA SILVA MARCELINO	CELINA MARIA SILVA MARCELINO	ALBERTINO SERGIO MARCELINO	Vestuário Infantil	FANTASIA, BERMUDA, CALÇA, SAIA, VESTIDO, CAMISA	6.0	11.827592	0.507288

#In: 
df.take(np.arange(5))

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
87	D.F2.V016	BARRACA CÉLIA APARECIDA DE SOUZA	CÉLIA APARECIDA DE SOUZA	EDSON PIRES DE SOUZA	Vestuário	BLUSA, BERMUDA, ROUPA DE GINÁSTICA, SAIA, VEST...	7.0	11.827592	0.591836

Exemplo 7: Qual é área todal de cada setor?

Conceito chave: Agrupamento por uma coluna.

Organizando solicitações por bairro

Podemos encontrar o número total da área por setor;
Por exemplo, df[df.get('NOME_SETOR') == 'Criança'].get('AREA').sum().
Mas como podemos encontrar o total para todos os setores ao mesmo tempo?

#In: 
df[df.get('NOME_SETOR') == 'Criança'].get('AREA').sum()

1274.9974161428677

#In: 
df[df.get('NOME_SETOR') == 'Vestuário Infantil'].get('AREA').sum()

1431.87438966735

Parece que tem que haver uma maneira melhor. E aqui está!

GroupBy: dividir, agregar e combinar

Observe o que acontece quando usamos o método .groupby em requests com o argumento 'neighborhood'.

#In: 
df.groupby('NOME_SETOR').sum()

	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
NOME_SETOR
Alimentação	733.0	3359.343283	21.820242
Arranjos e Complementos	379.0	615.329088	32.028438
Artes e Pintura	62.0	713.705731	2.606116
Bijouterias	1047.0	2165.445443	88.479383
Calçados	774.0	1881.447403	65.409968
...	...	...	...
Decoração e Utilidades	423.0	1033.677527	29.927868
Esculturas	6.0	47.580382	0.252205
Mobilário, Flores, Arranjos, Cestaria	247.0	771.488214	14.012735
Vestuário	1454.0	2591.442504	122.878561
Vestuário Infantil	788.0	1431.874390	66.590892

13 rows × 3 columns

Observe que as contagens “totais” antes. O que acabou de acontecer? 🤯

Um exemplo ilustrativo: Animais de estimação 🐱 🐶🐹

Considere os animais de estimação do DataFrame mostrados abaixo.

#In: 
pets = bpd.DataFrame().assign(
    Species=['dog', 'cat', 'cat', 'dog', 'dog', 'hamster'],
    Color=['black', 'golden', 'black', 'white', 'golden', 'golden'],
    Weight=[40, 15, 20, 80, 25, 1],
    Age=[5, 8, 9, 2, 0.5, 3]
)
pets

	Species	Color	Weight	Age
0	dog	black	40	5.0
1	cat	golden	15	8.0
2	cat	black	20	9.0
3	dog	white	80	2.0
4	dog	golden	25	0.5
5	hamster	golden	1	3.0

Visualizando `pets.groupby('Species').mean()`

Divida as linhas de animais de estimação em “grupos” de acordo com seus valores na coluna 'Espécies'.
Agregue as linhas com o mesmo valor de 'Species' tomando a média de todas as colunas numéricas.
Combine estes meios em um novo DataFrame que é indexado por 'Species' e classificado por 'Species' em ordem crescente.

Observe que o resultado contém apenas uma linha para gatos, uma linha para cães e uma linha para hamsters!

#In: 
%%pt

pets.groupby('Species').mean()

Tutor de Pandas

Na última célula, vimos não apenas a saída do código, mas uma visualização do funcionamento interno do código.
Isso graças ao Pandas Tutor, uma nova ferramenta desenvolvida por Sam Lau, que ministrou este curso durante o verão.
Pandas Tutor desenha diagramas para explicar o código pandas (e babypandas).
Adicione %%pt ao topo de uma célula de código para explicar a última linha do código babypandas.
Isso requer a importação do Pandas Tutor, o que já fizemos neste notebook.
Você também pode usar o Pandas Tutor através de seu site, pandastutor.com.

#In: 
# Without Pandas Tutor
pets.groupby('Species').mean()

	Weight	Age
Species
cat	17.500000	8.5
dog	48.333333	2.5
hamster	1.000000	3.0

#In: 
%%pt

# With Pandas Tutor
pets.groupby('Species').mean()

Voltar para solicitações de serviço Get It Done 👷

#In: 
df

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
87	D.F2.V016	BARRACA CÉLIA APARECIDA DE SOUZA	CÉLIA APARECIDA DE SOUZA	EDSON PIRES DE SOUZA	Vestuário	BLUSA, BERMUDA, ROUPA DE GINÁSTICA, SAIA, VEST...	7.0	11.827592	0.591836
...	...	...	...	...	...	...	...	...	...
1350	G.F4.V014	BARRACA HELCIO LICIO SILVA	HELCIO LICIO SILVA	GRAZIELA CRISTINA RAMALHO SILVA	Bijouterias	ANEL, COLAR, BROCHE, BRINCO, PULSEIRA, ALIANÇA...	7.0	11.838911	0.591271
1351	J.F1.V004	BARRACA DIEGO DOS SANTOS DIAS	DIEGO DOS SANTOS DIAS	CELSO DE SOUZA LINHARES	Calçados	RASTEIRINHA, SAPATO, SANDÁLIA	3.0	11.827592	0.253644
1352	D.F4.V050	BARRACA JAIR CORREA	JAIR CORREA	Keli Aparecida Batista Correa	Vestuário	VESTIDO DE MALHA, BATA DE TECIDO, CONJUNTO, SA...	5.0	11.827592	0.422740
1353	G.F2.V010	BARRACA SIDNEY FERNANDO KNEIPP SOARES	SIDNEY FERNANDO KNEIPP SOARES	ANA PAULA FAUSTINA DE SOUZA	Bijouterias	COLAR, GARGANTILHA, ARCO, ANEL, PASSADOR DE CA...	7.0	11.838911	0.591271
1354	G.F1.V061	BARRACA REGINA GARCIA FERREIRA	REGINA GARCIA FERREIRA	Rejane Garcia Ferreira Clemente	Bijouterias	COLAR DE METAL, PRESILHA, PASSADOR DE CABELO, ...	4.0	11.827592	0.338192

1250 rows × 9 columns

#In: 
df.groupby('NOME_SETOR').sum()

	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
NOME_SETOR
Alimentação	733.0	3359.343283	21.820242
Arranjos e Complementos	379.0	615.329088	32.028438
Artes e Pintura	62.0	713.705731	2.606116
Bijouterias	1047.0	2165.445443	88.479383
Calçados	774.0	1881.447403	65.409968
...	...	...	...
Decoração e Utilidades	423.0	1033.677527	29.927868
Esculturas	6.0	47.580382	0.252205
Mobilário, Flores, Arranjos, Cestaria	247.0	771.488214	14.012735
Vestuário	1454.0	2591.442504	122.878561
Vestuário Infantil	788.0	1431.874390	66.590892

13 rows × 3 columns

Usando `.groupby` em geral

Resumindo, .groupby agrega todas as linhas com o mesmo valor em uma coluna especificada (por exemplo, 'NOME_SETOR') em uma única linha no DataFrame resultante, usando um método de agregação (por exemplo, .sum()) para combinar valores.

Escolha uma coluna para agrupar.
- .groupby(column_name) reunirá linhas que possuem o mesmo valor na coluna especificada (column_name).
- No slide anterior agrupamos por 'NOME_SETOR'.
Escolha um método de agregação.
- O método de agregação será aplicado dentro de cada grupo.
- No exemplo anterior, aplicamos o método .sum() a cada 'NOME_SETOR'.
- O método de agregação é aplicado individualmente a cada coluna
- Se não fizer sentido usar o método de agregação em uma coluna, a coluna será eliminada da saída – veremos isso com mais detalhes em breve (Tipo o nome do feirante).
- Métodos de agregação comuns incluem .count(), .sum(), .mean(), .median(), .max() e .min().

Observação #1

O índice mudou para nomes de SETORES.
Em geral, os novos rótulos de linha são os rótulos de grupo (ou seja, os valores exclusivos na coluna em que agrupamos).

#In: 
df

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
87	D.F2.V016	BARRACA CÉLIA APARECIDA DE SOUZA	CÉLIA APARECIDA DE SOUZA	EDSON PIRES DE SOUZA	Vestuário	BLUSA, BERMUDA, ROUPA DE GINÁSTICA, SAIA, VEST...	7.0	11.827592	0.591836
...	...	...	...	...	...	...	...	...	...
1350	G.F4.V014	BARRACA HELCIO LICIO SILVA	HELCIO LICIO SILVA	GRAZIELA CRISTINA RAMALHO SILVA	Bijouterias	ANEL, COLAR, BROCHE, BRINCO, PULSEIRA, ALIANÇA...	7.0	11.838911	0.591271
1351	J.F1.V004	BARRACA DIEGO DOS SANTOS DIAS	DIEGO DOS SANTOS DIAS	CELSO DE SOUZA LINHARES	Calçados	RASTEIRINHA, SAPATO, SANDÁLIA	3.0	11.827592	0.253644
1352	D.F4.V050	BARRACA JAIR CORREA	JAIR CORREA	Keli Aparecida Batista Correa	Vestuário	VESTIDO DE MALHA, BATA DE TECIDO, CONJUNTO, SA...	5.0	11.827592	0.422740
1353	G.F2.V010	BARRACA SIDNEY FERNANDO KNEIPP SOARES	SIDNEY FERNANDO KNEIPP SOARES	ANA PAULA FAUSTINA DE SOUZA	Bijouterias	COLAR, GARGANTILHA, ARCO, ANEL, PASSADOR DE CA...	7.0	11.838911	0.591271
1354	G.F1.V061	BARRACA REGINA GARCIA FERREIRA	REGINA GARCIA FERREIRA	Rejane Garcia Ferreira Clemente	Bijouterias	COLAR DE METAL, PRESILHA, PASSADOR DE CABELO, ...	4.0	11.827592	0.338192

1250 rows × 9 columns

#In: 
df.groupby('NOME_SETOR').sum()

	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
NOME_SETOR
Alimentação	733.0	3359.343283	21.820242
Arranjos e Complementos	379.0	615.329088	32.028438
Artes e Pintura	62.0	713.705731	2.606116
Bijouterias	1047.0	2165.445443	88.479383
Calçados	774.0	1881.447403	65.409968
...	...	...	...
Decoração e Utilidades	423.0	1033.677527	29.927868
Esculturas	6.0	47.580382	0.252205
Mobilário, Flores, Arranjos, Cestaria	247.0	771.488214	14.012735
Vestuário	1454.0	2591.442504	122.878561
Vestuário Infantil	788.0	1431.874390	66.590892

13 rows × 3 columns

Observação #2

A coluna 'NOME_FANTASIA' e vároas outras desapareceram. Por que?

#In: 
df

	CODIGO_VAGA	NOME_FANTASIA	NOME_FEIRANTE	NOME_PREPOSTO	NOME_SETOR	PRODUTOS	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
ID_FEIRA_AFONSO_PENA_BARRACA
83	F.F2.V016	BARRACA CARMEN EMMANUEL DOS SANTOS SILVA	CARMEN EMMANUEL DOS SANTOS SILVA	JANA FONSECA VIEIRA	Criança	BOLSA DE BEBÊ, MALA DE MATERNIDADE, NECESSÁIRE...	5.0	11.838911	0.422336
84	G.F3.V052	BARRACA CARMEN FERNANDA ROCHA DE ALCANTARA	CARMEN FERNANDA ROCHA DE ALCANTARA	KARINA RODRIGUES BRANDORFI	Bijouterias	BRINCO, ANEL, PULSEIRA, COLAR, ARCO	5.0	11.838911	0.422336
85	E.F4.V003	BARRACA CARMEN LÚCIA CARVALHO DE ALMEIDA	CARMEN LÚCIA CARVALHO DE ALMEIDA	BARBARA ISABELLE CARVALHO DE PAULA	Vestuário Infantil	VESTIDO, CONJUNTO, MACACÃO	3.0	11.838911	0.253402
86	E.F2.V004	BARRACA CECÍLIA PAGANO NEVES SALAZAR	CECÍLIA PAGANO NEVES SALAZAR	GISELE PAGANO NEVES SALAZAR	Vestuário Infantil	MACACÃO, BLUSA, SAPATINHO	3.0	11.827592	0.253644
87	D.F2.V016	BARRACA CÉLIA APARECIDA DE SOUZA	CÉLIA APARECIDA DE SOUZA	EDSON PIRES DE SOUZA	Vestuário	BLUSA, BERMUDA, ROUPA DE GINÁSTICA, SAIA, VEST...	7.0	11.827592	0.591836
...	...	...	...	...	...	...	...	...	...
1350	G.F4.V014	BARRACA HELCIO LICIO SILVA	HELCIO LICIO SILVA	GRAZIELA CRISTINA RAMALHO SILVA	Bijouterias	ANEL, COLAR, BROCHE, BRINCO, PULSEIRA, ALIANÇA...	7.0	11.838911	0.591271
1351	J.F1.V004	BARRACA DIEGO DOS SANTOS DIAS	DIEGO DOS SANTOS DIAS	CELSO DE SOUZA LINHARES	Calçados	RASTEIRINHA, SAPATO, SANDÁLIA	3.0	11.827592	0.253644
1352	D.F4.V050	BARRACA JAIR CORREA	JAIR CORREA	Keli Aparecida Batista Correa	Vestuário	VESTIDO DE MALHA, BATA DE TECIDO, CONJUNTO, SA...	5.0	11.827592	0.422740
1353	G.F2.V010	BARRACA SIDNEY FERNANDO KNEIPP SOARES	SIDNEY FERNANDO KNEIPP SOARES	ANA PAULA FAUSTINA DE SOUZA	Bijouterias	COLAR, GARGANTILHA, ARCO, ANEL, PASSADOR DE CA...	7.0	11.838911	0.591271
1354	G.F1.V061	BARRACA REGINA GARCIA FERREIRA	REGINA GARCIA FERREIRA	Rejane Garcia Ferreira Clemente	Bijouterias	COLAR DE METAL, PRESILHA, PASSADOR DE CABELO, ...	4.0	11.827592	0.338192

1250 rows × 9 columns

#In: 
df.groupby('NOME_SETOR').sum()

	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
NOME_SETOR
Alimentação	733.0	3359.343283	21.820242
Arranjos e Complementos	379.0	615.329088	32.028438
Artes e Pintura	62.0	713.705731	2.606116
Bijouterias	1047.0	2165.445443	88.479383
Calçados	774.0	1881.447403	65.409968
...	...	...	...
Decoração e Utilidades	423.0	1033.677527	29.927868
Esculturas	6.0	47.580382	0.252205
Mobilário, Flores, Arranjos, Cestaria	247.0	771.488214	14.012735
Vestuário	1454.0	2591.442504	122.878561
Vestuário Infantil	788.0	1431.874390	66.590892

13 rows × 3 columns

Colunas desaparecendo ✨🐇🎩

O método de agregação – .sum(), neste caso – é aplicado a cada coluna.
Se não fizer sentido aplicá-lo a uma determinada coluna, essa coluna desaparecerá.
Por exemplo, não podemos somar strings, como na coluna 'NOME_FANTASIA'.

Observação #3

O método de agregação é aplicado a cada coluna separadamente.
As linhas do DataFrame resultante precisam ser interpretadas com cuidado.

#In: 
df.groupby('NOME_SETOR').mean()

	NUMERO_PRODUTOS_CADASTRADOS	AREA	DENSIDADE
NOME_SETOR
Alimentação	7.330000	33.593433	0.218202
Arranjos e Complementos	7.288462	11.833252	0.615931
Artes e Pintura	2.066667	23.790191	0.086871
Bijouterias	5.721311	11.833035	0.483494
Calçados	4.867925	11.833003	0.411383
...	...	...	...
Decoração e Utilidades	6.130435	14.980834	0.433737
Esculturas	3.000000	23.790191	0.126102
Mobilário, Flores, Arranjos, Cestaria	5.880952	18.368767	0.333637
Vestuário	6.639269	11.833071	0.561089
Vestuário Infantil	6.512397	11.833673	0.550338

13 rows × 3 columns

Duas escolhas a serem feitas ao usar `.groupby`

Como encontramos o número de diferentes serviços solicitados em cada bairro?

Duas opções:

Por qual coluna devemos agrupar?
Que método de agregação devemos usar?
- Alguns mais comuns são .count(), .sum(), .mean(), .median(), .max() e .min().

#In: 
...

Ellipsis

Observação #4

Para contar a quantidade de elementos por grupo use o .size()

#In: 
num_barracas = df.groupby('NOME_SETOR').size()
num_barracas

NOME_SETOR
Alimentação                              100
Arranjos e Complementos                   52
Artes e Pintura                           30
Bijouterias                              183
Calçados                                 159
                                        ... 
Decoração e Utilidades                    69
Esculturas                                 2
Mobilário, Flores, Arranjos, Cestaria     42
Vestuário                                219
Vestuário Infantil                       121
Length: 13, dtype: int64

Mais prática: conjunto de dados IMDb 🎞️

Os dados estão aqui

#In: 
# No colab, use este caminho 'https://raw.githubusercontent.com/flaviovdf/fcd/main/assets/06-GroupBy/data/imdb.csv'
imdb = bpd.read_csv('imdb.csv').set_index('Title').sort_values(by='Rating')
imdb

	Votes	Rating	Year	Decade
Title
Akira	91652	8.0	1988	1980
Per un pugno di dollari	124671	8.0	1964	1960
Guardians of the Galaxy	527349	8.0	2014	2010
The Man Who Shot Liberty Valance	49135	8.0	1962	1960
Underground	39447	8.0	1995	1990
...	...	...	...	...
Schindler's List	761224	8.9	1993	1990
12 Angry Men	384187	8.9	1957	1950
The Godfather: Part II	692753	9.0	1974	1970
The Shawshank Redemption	1498733	9.2	1994	1990
The Godfather	1027398	9.2	1972	1970

250 rows × 4 columns

Pergunta: Quantos filmes aparecem em cada década?

#In: 
imdb.groupby('Decade').count()

	Votes	Rating	Year
Decade
1920	4	4	4
1930	7	7	7
1940	14	14	14
1950	30	30	30
1960	22	22	22
1970	21	21	21
1980	31	31	31
1990	42	42	42
2000	50	50	50
2010	29	29	29

#In: 
# We'll learn how to make plots like this in the next lecture!
imdb.groupby('Decade').count().plot(y='Year');

png

Pergunta: Qual foi o filme de maior audiência da década de 1990?

Vamos tentar fazer isso de duas maneiras diferentes.

Sem agrupamento

#In: 
%%pt
imdb[imdb.get('Decade') == 1990].sort_values('Rating', ascending=False).index[0]

Nota: O comando para extrair o índice de um DataFrame é .index - sem parênteses! Isso é diferente da maneira como extraímos colunas, com .get(), porque o índice não é uma coluna.

Com agrupamento

#In: 
%%pt
imdb.reset_index().groupby('Decade').max()

Acontece que este método não produz a resposta correta.
Quando usamos um método de agregação (por exemplo, .max()), a agregação é feita para cada coluna individualmente.
Embora seja verdade que o filme com maior audiência da década de 1990 tem uma classificação de 9,2, esse filme não Imperdoável – em vez disso, Imperdoável é o filme mais recente no alfabeto entre todos os filmes da década de 1990.
Usar o max não ajuda aqui.

Problemas de desafio

Não abordaremos esses problemas em aula, mas eles estão aqui para você praticar com alguns exemplos mais difíceis. Para acessar as soluções, você precisará assistir this solution walkthrough video (início às 10h).

Antes de assistir ao vídeo, tente resolver esses problemas por conta própria – eles são uma ótima preparação para trabalhos de casa, projetos e exames!

Pergunta: Há quantos anos mais de 3 filmes foram classificados acima de 8,5?

#In:

Além: Usando `.sum()` em um array/série booleana

A soma de um array/série booleana fornece uma contagem do número de elementos True. Isso ocorre porque Python trata True como 1 e False como 0.
Você pode usar esse fato aqui?

#In:

Pergunta: Dos anos com mais de 3 filmes, qual teve a classificação média mais alta?

#In:

Pergunta: Qual ano teve os títulos de filmes mais longos, em média?

Dica: Use .str.len() na coluna ou índice que contém os nomes dos filmes.

#In:

Pergunta: Qual é a classificação média dos filmes dos anos que tiveram pelo menos 3 filmes no Top 250?

#In:

Resumo, da próxima vez

Resumo

Podemos escrever consultas que envolvam múltiplas condições, desde que:
Coloque parênteses em todas as condições.
Separe as condições usando & se você precisar que todas sejam verdadeiras, ou | se você precisar que pelo menos uma seja verdadeira.
A chamada de método df.groupby(column_name).agg_method() agrega todas as linhas com o mesmo valor para column_name em uma única linha no DataFrame resultante, usando agg_method() para combinar valores.
Métodos de agregação a serem conhecidos: .count(), .sum(), .mean(), .median(), .max() e .min().

Próxima vez

Uma imagem vale mais que 1000 palavras – é hora de visualizar!

Tópico 6 – Mais consultas e GroupBy

Hoje

Sobre os dados: Ainda estamos na feira da Afonso Pena

Recapitulação: consultas

O que é uma consulta? 🤔

Como consultamos um DataFrame?

Comparações entre elementos

Exemplo 5: Qual o número de barracas de comida?

Estratégia

Qual o (A PESSOA) feirante que vende mais produtos de comida?

E se a condição não for satisfeita?

Verificação de conceito ✅

Atividade 🚘

Exemplo 6: Quantos feirantes vendem Vestuário Infantil e Produtos Infantis?

Múltiplas condições

Pergunta Original: Quantos feirante nos dois setores?

Verificação de conceito ✅

Selecionando linhas por posição com .take

Exemplo 7: Qual é área todal de cada setor?

Organizando solicitações por bairro

GroupBy: dividir, agregar e combinar

Um exemplo ilustrativo: Animais de estimação 🐱 🐶🐹

Visualizando pets.groupby('Species').mean()

Tutor de Pandas

Voltar para solicitações de serviço Get It Done 👷

Usando .groupby em geral

Observação #1

Observação #2

Colunas desaparecendo ✨🐇🎩

Observação #3

Duas escolhas a serem feitas ao usar .groupby

Observação #4

Mais prática: conjunto de dados IMDb 🎞️

Pergunta: Quantos filmes aparecem em cada década?

Pergunta: Qual foi o filme de maior audiência da década de 1990?

Sem agrupamento

Com agrupamento

Problemas de desafio

Pergunta: Há quantos anos mais de 3 filmes foram classificados acima de 8,5?

Além: Usando .sum() em um array/série booleana

Pergunta: Dos anos com mais de 3 filmes, qual teve a classificação média mais alta?

Pergunta: Qual ano teve os títulos de filmes mais longos, em média?

Pergunta: Qual é a classificação média dos filmes dos anos que tiveram pelo menos 3 filmes no Top 250?

Resumo, da próxima vez

Resumo

Próxima vez

Selecionando linhas por posição com `.take`

Visualizando `pets.groupby('Species').mean()`

Usando `.groupby` em geral

Duas escolhas a serem feitas ao usar `.groupby`

Além: Usando `.sum()` em um array/série booleana