Referência do Curso FCD.

Bibliotecas

  • numpy cuida de operações com vetores e matrizes
  • babypandas uma versão simplificada da biblioteca pandas, cuida de tabelas
  • matplotlib gera gráficos, não fazemos uso de matplotlib avançado

Durante o restante desse guia, df é um DataFrame, ser é uma Série, arr é um array. babypandas foi importado como bpd e numpy como np.

Construindo e Organizando DataFrames

Cada função/método abaixo cria um novo DataFrame. Lembre-se de salvá-lo!

  • bpd.DataFrame(): Cria um DataFrame vazio.
  • bpd.read_csv(caminho_para_arquivo): Cria um DataFrame a partir de um arquivo CSV.
  • df.assign(nome_da_coluna=dados_da_coluna): Adiciona/substitui uma coluna.
  • df.drop(columns=nome_da_coluna ou [col_1_nome, ... col_k_nome]): Remove coluna(s).
  • df.set_index(nome_da_coluna): Move uma coluna para o índice.
  • df.reset_index(): Move o índice para uma coluna.
  • df.sort_values(by=nome_da_coluna, ascending=True): Ordena o DataFrame inteiro em ordem ascendente pelos valores em uma coluna. ascending pode ser omitido pois seu valor padrão é True.
  • left.merge(right, left_on=coluna_esquerda, right_on=coluna_direita): Junta os DataFrames left e right pelas colunas especificadas. Pode usar on em vez de left_on e right_on se os nomes das colunas forem iguais.

Arrays e NumPy

  • arr[indice]: O elemento na posição indice no array arr. O primeiro elemento é arr[].
  • np.append(arr, valor): Uma cópia de arr com valor adicionado ao final. Isso não muda arr a menos que você armazene o resultado em arr.
  • np.count_nonzero(arr): O número de entradas não-zero em arr. True conta como 1, False conta como 0.
  • np.arange(início, parada, passo): Um array de números começando com início, aumentando/diminuindo em incrementos de passo e parando antes de (excluindo) parada. Se início ou passo forem omitidos, os valores padrão são 0 e 1, respectivamente.
  • np.percentile(arr, p): O percentil p dos números em arr.

Plotagem

  • df.plot(kind=tipo, x=col_x, y=col_y): Desenha um gráfico. tipo pode ser ‘scatter’, ‘line’, ‘bar’, ou ‘barh’. Se x for omitido, o índice é usado. Para a maioria dos tipos de gráficos, se y for omitido, todas as colunas são plotadas em eixos compartilhados.

Acessando Dados

  • df.shape[]: Número de linhas e colunas.
  • df.get(nome_da_coluna): Acesso a uma coluna como Série.

Operações em DataFrames e Series

  • df[condição]: Filtra linhas que satisfazem a condição.
  • df[[coluna_1, coluna_2, ...]]: Um DataFrame apenas com as colunas especificadas.
  • df.mean(), df.min(), df.max(), ser.mean(), ser.min(), ser.max(): Calcula a média, o mínimo, e o máximo de um DataFrame ou Series, respectivamente.

Estatísticas e Agregações

  • df.groupby(coluna).aggregate(função ou {coluna: função, ...}): Agrupa por coluna, então calcula agregações especificadas.
  • df.pivot_table(values=valor, index=índice, columns=colunas, aggfunc=função): Cria uma tabela pivô.

Indexação e Seleção

  • df.loc[rótulos_linhas, rótulos_colunas]: Seleciona com base em rótulos.
  • df.iloc[índices_linhas, índices_colunas]: Seleciona com base em índices numéricos.

Operações de Strings em Series

  • ser.str.lower(), ser.str.upper(), ser.str.len(): Métodos que operam em cada string de uma Series.

Trabalhando com Datas e Horários

  • pd.to_datetime(ser): Converte uma Series para datetime.
  • df['coluna'].dt.day, df['coluna'].dt.month, df['coluna'].dt.year: Extrai o dia, mês, e ano de uma coluna datetime.

Lendo e Escrevendo Dados

  • df.to_csv(caminho_para_arquivo): Escreve o DataFrame para um arquivo CSV.

Utilidades

  • len(obj): Retorna o comprimento de um objeto, como um DataFrame, Series, ou array.
  • np.random.choice(arr, tamanho, replace=False): Escolhe aleatoriamente tamanho elementos de arr. replace determina se a seleção é com reposição.

Lembre-se, estas são apenas algumas das funções e métodos disponíveis em pandas e numpy para manipulação de dados e análise estatística. A prática e a exploração de documentações e recursos adicionais podem ajudar a aprofundar seu entendimento.