Introdução A Bibliotecas em Panda

Introdução a
bibliotecas
Pandas
Dentre as diversas bibliotecas disponíveis no repositório PyPI, pandas é um pacote Python que fornece estruturas
de dados projetadas para facilitar o trabalho com dados estruturados (tabelas) e de séries temporais.
Como uma ferramenta de alto nível, pandas possui

duas estruturas de dados que são as principais para a
análise/manipulação de dados: a Series e o DataFrame.
Nesta webaula vamos conhecer cada uma delas.
Fonte: Shutterstock.
Uma Series é um como um vetor de Um DataFrame é um conjunto de

dados (unidimensional), capaz de Series, ou, como a documentação
armazenar diferentes tipos de apresenta, um contêiner para
dados. Series.
Ambas as estruturas possuem como grande característica a indexação das linhas, ou seja, cada linha possui um
rótulo (nome) que a identifica, o qual pode ser uma string, um inteiro, um decimal ou uma data.
A figura a seguir ilustra uma Series (A) e um DataFrame (B), veja que:
 Uma Series possui somente "uma coluna" de informação e seus rótulos (índices).
 Um DataFrame pode ter uma ou mais colunas e, além dos índices, também há um rótulo de identificação com o
nome da coluna.
Saiba mais
Fonte: elaborada pela autora.
Para utilizar os recursos da biblioteca é preciso importar no projeto. Usa-se a seguinte convenção:
import pandas as pd
Series
Para construir um objeto do tipo Series, é preciso utilizar o método Series() do pacote pandas. O método possui o
seguinte construtor:
pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
Como todos os parâmetros possuem valores padrão (default), o que permite instanciar um objeto de diferentes
formas. Veja algumas dessas formas:
pd.Series(data=5) # Cria uma Series com o valor a

pd.Series('Howard Ian Peter Jonah Kellie'.split()) # Cria uma Series com uma lista de nomes
DataFrame
Para construir um objeto do tipo DataFrame é preciso utilizar o método DataFrame() do pacote pandas. O método
possui o seguinte construtor:
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
Veja alguns exemplos:
# Cria um DataFrame, de uma coluna a partir de uma lista

pd.DataFrame('Howard Ian Peter Jonah Kellie'.split(), columns=['nome'])
Resultado:
nome
nome
0 Howard
1 Ian
2 Peter
3 Jonah
4 Kellie
lista_nomes = 'Howard Ian Peter Jonah Kellie'.split()

lista_cpfs = '111.111.111-11 222.222.222-22 333.333.333-33 444.444.444-44
555.555.555-55'.split()
lista_emails = 'risus.varius@dictumPhasellusin.ca
Nunc@vulputate.ca fames.ac.turpis@cursusa.org non@felisullamcorper.org
eget.dictum.placerat@necluctus.co.uk'.split()
lista_idades = [32, 22, 25, 29, 38]
dados = list(zip(lista_nomes, lista_cpfs, lista_idades, lista_emails)) # cria
uma lista de tuplas # Cria um DataFrame a partir de uma lista de tuplas
pd.DataFrame(dados, columns=['nome', 'cpfs', 'idade', 'email'])
Resultado:
nome cpfs emails idades
0 Howard 111.111.111-11 risus.varius@dictumPhasellusin.ca 32
1 Ian 222.222.222-22 nunc@vulputate.ca 22
2 Peter 333.333.333-33 fames.ac.turpis@cursusa.org 25
3 Jonah 444.444.444-44 non@felisullamcorper.org 29
4 Kellie 555.555.555-55 eget.dictum.placerat@necluctus.co.uk 38
Saiba mais Estruturas de dados são utilizadas para armazenar dados e diferentes
estruturas possuem diferentes atributos e métodos. Com as estruturas de
dados do pandas não é diferente, tais objetos possuem atributos e métodos
específicos. Existem atributos e métodos que extraem informações estruturais
da Series ou do DataFrame, por exemplo, o atributo shape ou dtypes. Por outro
lado, existem recursos que permitem transformar os dados em informações,
por exemplo, as estatísticas, como o método mean() ou median().
Pesquise mais
Na documentação oficial da biblioteca pandas você
encontrará o método read_html(), que permite fazer
a leitura de tabelas em páginas web.
pandas Team. pandas.read_html. Disponível em:
https://pandas.pydata.org/pandas-
docs/stable/reference/api/pandas.read_html.html.
Acesso em: 17 jun. 2020.
Fonte: Shutterstock.

Introdução A Bibliotecas em Panda

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução A Bibliotecas em Panda

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução A Bibliotecas em Panda

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução a

Como uma ferramenta de alto nível, pandas possui

Uma Series é um como um vetor de Um DataFrame é um conjunto de

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

pd.Series(data=5) # Cria uma Series com o valor a

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

Veja alguns exemplos:

# Cria um DataFrame, de uma coluna a partir de uma lista

lista_nomes = 'Howard Ian Peter Jonah Kellie'.split()

nome cpfs emails idades

0 Howard 111.111.111-11 risus.varius@dictumPhasellusin.ca 32

1 Ian 222.222.222-22 nunc@vulputate.ca 22

2 Peter 333.333.333-33 fames.ac.turpis@cursusa.org 25

3 Jonah 444.444.444-44 non@felisullamcorper.org 29

4 Kellie 555.555.555-55 eget.dictum.placerat@necluctus.co.uk 38

Você também pode gostar