13 minutos de leitura

Biblioteca Pandas: as 10 funções mais importantes

Por Rafael Danoski
Conteúdos do artigo
Panda

Se você é um analista ou cientista de dados, ou pretende se tornar um, em algum momento vai acabar se deparando com a biblioteca Pandas. Em sua essência, o Pandas é uma biblioteca open-source que fornece ferramentas de manipulação e análise de dados para a linguagem de programação Python.

No entanto, ao olhar a documentação da biblioteca, é normal ficar um pouco confuso inicialmente com tantas funcionalidades, além de não saber por onde começar. Por isso, montamos uma lista com as principais e mais importantes funções que você irá precisar no seu dia a dia como profissional de dados.

1. Apelido da biblioteca Pandas

O primeiro tópico não é exatamente uma função, mas uma dica bem importante, que é a convenção ou o apelido da biblioteca Pandas.

Sempre que importamos uma biblioteca no Python, podemos chamá-la por um apelido; no caso do Pandas, normalmente se usa o “pd”. Essa prática é útil, pois dessa forma fica mais fácil para outros programadores – ou até mesmo para você – identificar a biblioteca quando estiver analisando o código.

import pandas as pd

2. Lendo e escrevendo em diversos arquivos com biblioteca Pandas

Ao lidar com dados, é crucial saber como manipular diferentes fontes de informações.

Uma fonte muito comum é o csv (arquivo com valores separados por vírgulas, do inglês comma-separated values). Após importada a biblioteca Pandas, basta uma linha de código para lê-lo, passando como parâmetro da função o caminho no qual se encontra o arquivo, conforme o exemplo abaixo:

df = pd.read_csv(“meu_arquivo.csv”)  

Trabalhando com planilhas Excel

Analistas de dados frequentemente usam planilhas do Excel. Inclusive, também é possível lê-las com a biblioteca Pandas; dessa forma, basta novamente passar o caminho do arquivo e a planilha que deseja visualizar:

df = pd.read_excel((open(“meu_arquivo.xlsx”, “rb”), sheet_name=”planilha1”)

Acesso direto a planilhas do Google Sheets

Se você utiliza as planilhas do Google Sheets como fonte de dados, também conseguirá acessar suas informações sem precisar baixar sua planilha e importá-la em seu script toda vez. Para isso, gere um link de acesso a ela e acesse-a com o método ‘read_csv’.

Para gerar esse link, selecione as opções Arquivo → Compartilhar → Publicar na Web. Logo após, aparecerão várias opções de como compartilhar esse arquivo, uma delas sendo csv. Depois, é só passar o link gerado como parâmetro da função.

Como compartilhar arquivo csv no Google Sheets por meio de link de acesso
Aba "Publicar na Web" do Google Sheets
df = pd.read_csv(“url gerada”)

Salvando dados com Pandas

Após ler e manipular os dados em seu dataframe, é interessante salvá-los em algum arquivo, e a biblioteca Pandas também fornece esse tipo de solução, com as funções abaixo, semelhante às de leitura:

df.to_csv(“novo_arquivo.csv”)
df.to_excel(“novo_arquivo.xlsx”,  sheet_name=”nova_planilha”)

Trabalhando com JSON

Como uma dica extra neste tópico, podemos abordar o formato JSON, muito comum para quem quer trabalhar com APIs ou scripts de web scraping (parte fundamental do cotidiano do analista de dados). A biblioteca Pandas também fornece a possibilidade de ler dados nesse formato de maneira bem simples:

pd.read_json("meu_arquivo.json", orient='index')

Explorando mais formatos

Essa biblioteca oferece formas de ler e escrever em diversos formatos de arquivo, contudo vamos abordar apenas as mais importantes neste artigo. Ou seja, é fundamental acessar a sua documentação e explorar todas as possibilidades.

3. Head e Tail na biblioteca Pandas

Depois de importar os seus dados, você vai querer visualizá-los antes de começar a fazer as manipulações e análises essenciais na rotina de um analista de dados e, muitas vezes, não queremos visualizar a base de dados completa em uma análise inicial.

Para isso, a biblioteca Pandas possui duas funções interessantes: a ‘Head’, que possibilita ver apenas as primeiras linhas do dataframe; e a ‘Tail’, que nos possibilita visualizar as últimas linhas.

Abaixo temos um exemplo de visualização das primeiras 10 linhas de um dataframe e também as suas últimas 5 (a quantidade de linhas pode ser passada como parâmetro da função):

df.head(10)
Exemplo de visualização das primeiras dez linhas de um dataframe
df.tail(5)

4. Removendo linhas e colunas com o Pandas

Agora que você já deu uma primeira olhada nos seus dados, pode começar a manipular o seu dataframe. Nesta etapa, é possível que você queira eliminar algumas linhas ou colunas e, com o Pandas, isso pode ser feito de maneira muito simples de duas formas:

 # Remover linhas pelo index: passe o índice das linhas que deseja excluir como lista com o método drop.

df.drop([0, 2, 15])

 # Remover colunas pelo nome: passe o nome da coluna que deseja excluir como parâmetro do método e indique o eixo como 1, que representa o eixo das colunas.

df.drop(‘Coluna B’, axis=1)

5. Criando uma nova coluna com o Pandas

Além de remover colunas, pode ser que você também queira adicionar algumas novas à sua base de dados. Para tal, informe o nome da nova coluna e o seu conteúdo, que pode ser tanto um texto quanto uma operação com outras colunas.

Dado o seguinte dataframe:

PaísPopulaçãoExtensão territorial (Km²)
China1.439.323.7769.596.961
Índia1.380.004.3853.287.590
Estados Unidos331.002.6519.371.174
Indonésia273.523.6151.904.569
Brasil212.559.4178.515.767
Rússia145.934.46217.098.246
México128.932.7531.964.375
República Democrática do Congo89.561.4032.344.858
Irã83.992.9491.628.750

Podemos criar uma nova coluna com um texto qualquer:

df[“Nova Coluna”] = “A”
Exemplo de planilha Excel ou Google Sheets que mostra a população de oito países

Ou com uma operação entre as colunas: População dividido pela Extensão territorial, por exemplo.

df[“Pop por Km²”] = df[“População”] / df[“Extensão territorial (Km²)”]
Exemplo de operação entre as colunas de uma planilha que mostra a população por km² de oito países

6. Renomeando colunas de um dataframe

É comum, durante a manipulação dos dados em um dataset, preferirmos trocar o nome das colunas por conveniência ou praticidade (tirar espaços, acentos, etc.). Nesse caso, atribua novos nomes de colunas ao atributo ‘df.columns’. Renomeando o dataset anterior, ficaria da seguinte forma:

df.columns = [“pais”, “populacao”, “extensao_territorial”,  “nova_coluna”, “pop_por_km”]
Exemplo de renomeação de colunas de um DataFrame

7. Informações do dataframe

É importante para todo analista de dados fazer análises precisas e rápidas sobre os seus dados. Para esse fim, o Pandas disponibiliza uma série de atributos e métodos que auxiliam a sintetizar informações essenciais para análises mais complexas.

Atributos

#df.shape: exibe a quantidade de linhas e colunas, respectivamente, do seu dataframe.

df.shape
Resultado do atributo df.shape do Pandas

#df.columns: exibe o nome das colunas presentes no dataframe.

df.columns
Resultado do atributo df.columns do Pandas

Métodos

#df.count(): exibe a contagem de dados não-nulos em cada coluna.

df.count()
Resultado do método df.count do Pandas

#df.isna().sum(): exibe a contagem de dados nulos em cada coluna.

df.isna().sum()
Resultado do método df.isna().sum() do Pandas

#df.unique(): exibe a contagem de valores únicos em cada coluna.

df.unique()
Resultado do método df.unique() do Pandas

#df.value_counts(): exibe a contagem de valores por registro em cada coluna. Para o seguinte o dataset, o resultado seria:

TrilhaCurso
Data ScienceML
DashboardsMyBudget
DashboardsMyBudget
Data ScienceML
TradingQuant
Data ScienceML
Data ScienceML
DashboardsMyBudget
DashboardsMyBudget
TradingQuant
DashboardsMyBudget
Data ScienceML
df[‘Trilha’].value_counts()
Resultado do método df.value_counts do Pandas

8. Descrição dos dados

Na carreira de cientista de dados, é importante ter conhecimento de alguns conceitos de estatística, e o Pandas oferece um método muito útil com a descrição de algumas estatísticas básicas de suas variáveis. Por exemplo, para o dataset abaixo, o resultado seria:

PaísPopulaçãoExtensão territorial (Km²)
China1.439.323.7769.596.961
Índia1.380.004.3853.287.590
Estados Unidos331.002.6519.371.174
Indonésia273.523.6151.904.569
Brasil212.559.4178.515.767
Rússia145.934.46217.098.246
México128.932.7531.964.375
República Democrática do Congo89.561.4032.344.858
Irã83.992.9491.628.750
df.describe()
Resultado do método df.describe() da biblioteca Pandas

Aqui temos informação de contagem de valores por coluna do dataframe, além da média, desvio padrão, valor mínimo e máximo e percentis.

9. Ordenando valores

Caso precise ordenar os dados de seu dataframe, o Pandas conta com o método ‘sort_values’. Basta passar como parâmetro a coluna na qual os dados serão ordenados.

Por padrão, eles serão ordenados de maneira ascendente. Portanto, caso queira que a ordenação seja de forma descendente, é preciso passar essa informação como parâmetro.

Veja abaixo:

#Ordenação ascendente

df.sort_values(by=”coluna A”, ascending=True)

#Ordenação descendente

df.sort_values(by=”coluna A”, ascending=False)

10. Filtrando o dataframe

Será muito útil durante suas análises fazer filtros nos seus dataframes. O Pandas oferece essa funcionalidade de duas maneiras:  selecionando linha e coluna a ser filtrada ou filtrando por condições específicas.

Veja nos exemplos abaixo:

#Selecionando a primeira linha da coluna País

df.loc[0, “País”]

#Filtrando o dataframe para mostrar apenas os registros com População maior que 10.000.

df[df[“População”] >= 10000]

Como aprender mais sobre a biblioteca Pandas?

O Pandas é uma das ferramentas mais importantes para quem tem vontade de ingressar na carreira de dados, pois é muito útil tanto para visualização quanto para análise de dados. Essa versatilidade é impulsionada pela praticidade e escalabilidade da biblioteca, que não apenas oferece soluções eficientes, mas também otimiza o código, eliminando a necessidade de numerosos loops ‘for’ e ‘while’ em tarefas simples.

Embora este artigo tenha como objetivo mostrar as principais funções que o profissional de dados usará no dia a dia, há outras tantas funcionalidades dentro da biblioteca que poderão ser úteis. Você consegue aprender mais sobre elas no curso Analisando Dados com Pandas, da Asimov Academy, o qual aprofunda esses conceitos e aplica-os na prática. Além disso, explore também nossos cursos de Visualização de Dados e Data Science e expanda as fronteiras do conhecimento em dados!

Inscreva-se gratuitamente e fique atualizado

Receba toda semana um resumo dos principais conteúdos da Asimov direto no seu e-mail. 100% livre de spam.

Áreas de interesse:
Conteúdos do tutorial