Como Fazer PROCV com Python Utilizando a Biblioteca Pandas

O PROCV é uma das funções mais conhecidas e utilizadas no Excel, especialmente por quem trabalha com grandes volumes de dados. Ela permite buscar um valor em uma coluna e retornar um valor correspondente em outra coluna, facilitando a tarefa de cruzar informações entre diferentes tabelas. Mas você sabia que é possível realizar uma operação similar ao PROCV em Python utilizando a biblioteca Pandas? Neste artigo, vamos explorar como fazer isso.

O que é PROCV?

PROCV é uma função do Excel que significa “Procurar Verticalmente”. Ela é usada para procurar um valor específico em uma coluna e retornar um valor na mesma linha de outra coluna. Por exemplo, se você tem uma tabela com nomes de funcionários e seus respectivos departamentos, você pode usar o PROCV para descobrir o departamento de um funcionário específico.

Introdução à Biblioteca Pandas

Pandas é uma biblioteca do Python que fornece estruturas de dados e ferramentas de análise de dados. Ela é ideal para trabalhar com dados tabulares (semelhantes a tabelas de Excel) e é amplamente utilizada em tarefas de ciência de dados, automação de escritório e muito mais. Com Pandas, você pode realizar operações complexas com dados de forma eficiente e com código relativamente simples.

Instalando a Biblioteca Pandas

Antes de começarmos a trabalhar com Pandas, precisamos instalá-la. Se você já tem o Python instalado no seu computador, você pode instalar o Pandas usando o gerenciador de pacotes pip. Abra o terminal ou CMD e digite o seguinte comando:

pip install pandas

Aguarde a conclusão da instalação e você estará pronto para começar.

Realizando o PROCV com Pandas

Vamos supor que você tenha duas tabelas: uma com vendas e outra com informações dos produtos. Queremos adicionar o preço dos produtos na tabela de vendas. No Excel, você usaria o PROCV, mas em Python, usaremos o método merge da biblioteca Pandas. Veja como é simples:

Primeiro, importamos a biblioteca Pandas e lemos nossas tabelas:

import pandas as pd

dados_vendas = {
    'nome_produto': ['Maçã', 'Banana', 'Maçã', 'Banana'],
    'id_venda': [0, 1, 2, 3],
    'data_venda': ['2024-03-01', '2024-03-01', '2024-03-02', '2024-03-03']
}
dados_produtos = {
    'nome_produto': ['Maçã', 'Banana'],
    'id_produto': [0, 1],
    'preco': [5, 7],
}

# Lendo as tabelas
vendas = pd.DataFrame(dados_vendas)
produtos = pd.DataFrame(dados_produtos)

Agora, vamos mesclar as duas tabelas usando uma chave comum, que seria o nome do produto:

# Mesclando as tabelas
vendas_completas = pd.merge(vendas, produtos, on='nome_produto')

E pronto! Agora você tem uma tabela de vendas com os preços dos produtos incluídos, similar ao que o PROCV faria no Excel. E se você tiver interesse, temos uma aula completa sobre PROCV em Python na nossa plataforma.

Conclusão

Com a biblioteca Pandas, fazer PROCV em Python se torna uma tarefa simples e eficiente. Além disso, Pandas oferece uma gama muito mais ampla de possibilidades para manipulação e análise de dados. Se você está acostumado a trabalhar com Excel e VBA, aprender Pandas abrirá um novo mundo de automações e análises que podem ser realizadas com mais rapidez e flexibilidade.

Lembre-se de que a prática leva à perfeição. Experimente Pandas com seus próprios conjuntos de dados e veja como você pode otimizar suas tarefas de escritório com Python.