![](https://hub.asimov.academy/wp-content/uploads/2024/06/ThumbCursoAgents-com-langchain-14.webp)
Ao trabalhar com dados em Python, a biblioteca Pandas é uma ferramenta poderosa para manipulação e análise de dados. Uma tarefa comum é selecionar linhas com base nos valores de uma coluna específica, de maneira semelhante à instrução SELECT
em SQL. Neste artigo, exploraremos como realizar essa operação usando o Pandas.
![](https://hub.asimov.academy/wp-content/uploads/2024/06/ThumbCursoPythonMasterClass-14.webp)
Seu primeiro projeto Python – curso grátis com certificado!
Vá do zero ao primeiro projeto em apenas 2 horas com o curso Python MasterClass
Começe agoraSelecionando Linhas com Base em uma Única Condição
Para selecionar linhas onde o valor da coluna é igual a um valor específico, você pode usar o operador ==
. Aqui está um exemplo simples:
import pandas as pd
# DataFrame de Exemplo
df = pd.DataFrame({
'Nome': ['Alice', 'Bob', 'Charlie', 'David'],
'Idade': [24, 27, 22, 23]
})
# Selecionar linhas onde 'Nome' é 'Alice'
linhas_selecionadas = df.loc[df['Nome'] == 'Alice']
print(linhas_selecionadas)
TestarIsso produzirá a saída:
Nome Idade
0 Alice 24
Selecionando Linhas com Base em Múltiplos Valores
Se você deseja selecionar linhas onde o valor da coluna está em uma lista de valores, use o método isin
:
import pandas as pd
# DataFrame de Exemplo
df = pd.DataFrame({
'Nome': ['Alice', 'Bob', 'Charlie', 'David'],
'Idade': [24, 27, 22, 23]
})
# Selecionar linhas onde 'Nome' é 'Alice' ou 'Bob'
linhas_selecionadas = df.loc[df['Nome'].isin(['Alice', 'Bob'])]
print(linhas_selecionadas)
TestarIsso produzirá a saída:
Nome Idade
0 Alice 24
1 Bob 27
Combinando Múltiplas Condições
Você pode combinar múltiplas condições usando o operador &
(E). Lembre-se de usar parênteses para agrupar as condições:
import pandas as pd
# DataFrame de Exemplo
df = pd.DataFrame({
'Nome': ['Alice', 'Bob', 'Charlie', 'David'],
'Idade': [24, 27, 22, 23]
})
# Selecionar linhas onde 'Idade' é maior ou igual a 23 e menor ou igual a 24
linhas_selecionadas = df.loc[(df['Idade'] >= 23) & (df['Idade'] <= 24)]
print(linhas_selecionadas)
TestarIsso produzirá a saída:
Nome Idade
0 Alice 24
3 David 23
Selecionando Linhas com Condições de Desigualdade
Para selecionar linhas onde o valor da coluna não é igual a um valor específico, use o operador !=
:
import pandas as pd
# DataFrame de Exemplo
df = pd.DataFrame({
'Nome': ['Alice', 'Bob', 'Charlie', 'David'],
'Idade': [24, 27, 22, 23]
})
# Selecionar linhas onde 'Nome' não é 'Alice'
linhas_selecionadas = df.loc[df['Nome'] != 'Alice']
print(linhas_selecionadas)
TestarIsso produzirá a saída:
Nome Idade
1 Bob 27
2 Charlie 22
3 David 23
Usando ~
com isin
para Negação
Se você deseja selecionar linhas onde o valor da coluna não está em uma lista de valores, use o operador ~
para negar a série booleana retornada por isin
:
import pandas as pd
# DataFrame de Exemplo
df = pd.DataFrame({
'Nome': ['Alice', 'Bob', 'Charlie', 'David'],
'Idade': [24, 27, 22, 23]
})
# Selecionar linhas onde 'Nome' não é 'Alice' ou 'Bob'
linhas_selecionadas = df.loc[~df['Nome'].isin(['Alice', 'Bob'])]
print(linhas_selecionadas)
TestarIsso produzirá a saída:
Nome Idade
2 Charlie 22
3 David 23
Resumo
Neste artigo, cobrimos como selecionar linhas de um DataFrame do Pandas com base nos valores das colunas. Vimos como usar operadores de igualdade e desigualdade, como verificar múltiplos valores com isin
e como combinar múltiplas condições. Essas técnicas são essenciais para filtrar dados e são análogas à cláusula WHERE
em SQL.
Lembre-se de usar loc
para acessar um grupo de linhas e colunas por rótulos ou um array booleano, e sempre use parênteses para agrupar corretamente as condições ao combiná-las com operadores lógicos como &
. Com essas ferramentas, você pode efetivamente consultar e manipular seus dados no Pandas.
![](https://hub.asimov.academy/wp-content/uploads/2024/06/maxresdefault-6.jpg)
Comentários