# Pandas DataFrame: Manipular tabelas em Python O Pandas DataFrame é uma estrutura de dados do Python que permite criar e manipular tabelas. Conheça o formato dos dados e suas principais propriedades e métodos. ## Como funciona o Pandas DataFrame? O Pandas DataFrame é o coração da biblioteca [Python Pandas](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-pandas/), permitindo uma análise de dados eficiente e flexível. Um DataFrame no Pandas é uma **estrutura de dados tabular bidimensional com linhas numeradas e colunas rotuladas**. Essa estrutura facilita a organização de dados de uma maneira compreensível e manipulável, como fazem programas de planilhas como o Excel ou [LibreOffice](https://pt-br.libreoffice.org/ "Página inicial do LibreOffice"). Cada coluna em um DataFrame pode conter diferentes [tipos de dados em Python](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-data-types/ "Tipos de dados em Python"), o que significa que um DataFrame pode armazenar **dados heterogêneos**, como valores numéricos, strings e booleanos em uma única tabela. Dica O Pandas DataFrame é baseado em arrays do NumPy para uma manipulação eficiente de dados e para cálculos de valores. No entanto, o Pandas DataFrame difere das estruturas de dados do [NumPy](https://www.ionos.com/pt-br/digitalguide/pt/ "Página inicial do NumPy - numpy.org") em alguns aspectos, como na heterogeneidade e no número de dimensões. As estruturas de dados do NumPy são mais indicadas para manipulação de grandes volumes de valores numéricos, ao passo que as estruturas do Pandas são mais adequadas para a manipulação geral de dados. ### Estrutura do Pandas DataFrame Um DataFrame é composto por três elementos principais: dados, índices das linhas e nomes das colunas. O índice das linhas (ou simplesmente índice) serve como um identificador exclusivo para cada linha. Por padrão, as linhas são indexadas por valores numéricos, embora esses possam ser substituídos por strings. É importante observar que Pandas DataFrames são **indexados a começar do zero**. [![Imagem: Estrutura de um Pandas DataFrame](https://www.ionos.com/pt-br/digitalguide/fileadmin/_processed_/e/9/csm_pandas-dataframe-structure_0ab3bff2f5.webp "Estrutura de um Pandas DataFrame")](https://www.ionos.com/pt-br/digitalguide/fileadmin/DigitalGuide/Schaubilder/pandas-dataframe-structure.png) Pandas DataFrames possuem uma estrutura tabular, muito semelhante à de tabelas do Excel ou do SQL. Nota Embora Pandas DataFrames sejam uma das estruturas de dados mais populares e úteis do Python, eles **não fazem parte da linguagem base oficial** e sempre precisam ser importados separadamente. Isso pode ser feito pelas linhas `import pandas` ou `from pandas import DataFrame` no início do seu arquivo. Alternativamente, você pode usar `import pandas as pd` caso prefira referenciar o módulo com um nome mais curto (neste caso, “pd”). ## Manipulação com Pandas DataFrames Pandas DataFrames oferecem diversas técnicas e métodos que permitem manipular, analisar e visualizar dados de forma eficiente. A seguir, você aprenderá alguns dos conceitos e métodos mais importantes para a manipulação de dados com o DataFrame. ### Criar Pandas DataFrame Se você já tem dados armazenados em uma [lista Python](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/listas-em-python/ "Lista em Python") ou em um [dicionário Python](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-dictionary-dicionarios-python/ "Dicionário em Python"), fica fácil criar um DataFrame a partir deles: basta passar a estrutura de dados existente como argumento para o construtor `pandas.DataFrame([dados])`. A interpretação dos seus dados pelo Pandas dependerá da estrutura que você fornecer. Veja como criar um Pandas DataFrame a partir de uma lista Python: ```python import pandas lista = ["Ahmed", "Beatrice", "Candice", "Donovan", "Elisabeth", "Frank"] df = pandas.DataFrame(lista) print(df) # Saída: # 0 # 0 Ahmed # 1 Beatrice # 2 Candice # 3 Donovan # 4 Elisabeth # 5 Frank ``` Como você pode ver no exemplo acima, listas simples permitem a criação de DataFrames com **apenas uma coluna sem rótulo**. Por isso, é recomendado criar DataFrames a partir de **dicionários que contenham listas**. No nosso caso, as chaves do dicionário serão interpretadas como os nomes das colunas e as listas correspondentes serão os dados dessas colunas. O exemplo a seguir ilustra a abordagem: ```python import pandas dados = { 'Nome': ['Arthur', 'Bruno', 'Christoph'], 'Idade': [34, 30, 55], 'Salário': [75000.0, 60000.5, 90000.3], } df = pandas.DataFrame(dados) print(df) # Saída: # Nome Idade Salário # 0 Arthur 34 75000.0 # 1 Bruno 30 60000.5 # 2 Christoph 55 90000.3 ``` Com essa abordagem, o DataFrame já assume o formato e os títulos desejados. No entanto, se você não quiser depender apenas das estruturas de dados internas do Python, é possível carregar seus dados **a partir de uma fonte externa**, como um arquivo CSV ou um banco de dados [SQL](https://www.ionos.com/pt-br/digitalguide/servidor/conhecimento/o-que-e-sql/). Para isso, basta utilizar a função apropriada do Pandas: ```python import pandas import sqlalchemy # DataFrame do CSV: csv = pandas.read_csv("csv-arquivos/dados.csv") # DataFrame do SQL: engine = create_engine('postgresql://nomedeusuario:senha@localhost:5432/meu_banco_de_dados') sql = pandas.read_sql_query('SELECT * FROM tabela', engine) ``` Os DataFrames `csv` e `sql` do exemplo acima contêm agora todos os dados do arquivo `dados.csv` e da tabela SQL `tabela`, respectivamente. Ao criar um DataFrame a partir de uma fonte externa, você também pode especificar detalhes adicionais, como se os índices numéricos devem ser incluídos no DataFrame ou não. Mais informações sobre os argumentos adicionais das duas funções podem ser encontradas na página de [documentação oficial do Pandas DataFrame](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.html "Pandas DataFrame - pandas.pydata.org"). Dica Para criar um Pandas DataFrame a partir de uma tabela SQL, você precisa usar o Pandas em conjunto com um módulo Python de SQL como o *SQLAlchemy*. Estabeleça uma conexão com o banco de dados usando o módulo SQL de sua escolha e passe essa conexão para `read_sql_query()`. ### Exibir dados com Pandas DataFrame Com Pandas DataFrames, você pode não apenas exibir toda a tabela, mas também selecionar linhas e colunas individuais. Além disso, você pode escolher quais linhas e colunas deseja visualizar. O exemplo a seguir mostra como você pode exibir linhas ou colunas individuais ou múltiplas: ```python # Exibir a linha 0 print(df.loc[0]) # Exibir as linhas de 3 a 6 print(df.loc[3:6]) # Exibir as linhas 3 e 6 print(df.loc[[3, 6]]) # Exibir a coluna "Profissão" print(df["Profissão"]) # Exibir as colunas "Profissão" e "Idade" print(df[["Profissão", "Idade"]]) # Seleção de várias linhas e colunas print(df.loc[[3, 6], ['Profissão', 'Idade']]) ``` Como mostrado no exemplo, ao referenciar uma coluna, utiliza-se apenas o nome da coluna entre parênteses, assim como em dicionários do Python. Por outro lado, ao referenciar uma linha, sempre se utiliza o atributo `loc`. Com `loc`, também é possível usar condições lógicas para filtrar dados. Isso pode ser visto no bloco de código a seguir, onde apenas as linhas em que o valor da coluna “Idade” é maior que 30 são exibidas: ```python print(df.loc[df['Idade'] > 30]) ``` Mas também é possível usar o atributo `iloc` para selecionar linhas e colunas **com base na posição no DataFrame**. Por exemplo, você pode exibir a célula que está na terceira linha e na quarta coluna: ```python print(df.iloc[3, 4]) # Saída: # Palmas print(df.iloc[[3, 4, 6], 4]) # Saída: # 3 Palmas # 4 Fortaleza # 6 Aparecida ``` ### Iterar sobre as linhas com Pandas DataFrame Ao trabalhar com dados em Python, é comum precisar iterar sobre as linhas de um Pandas DataFrame para aplicar a mesma operação em todos os dados. O Pandas oferece dois métodos diferentes para esse propósito: `itertuples()` e `iterrows()`. Ambas as abordagens têm suas vantagens e desvantagens em termos de **desempenho e facilidade de uso**. O método `iterrows()` retorna um **tupla de índice e Series** para cada linha no DataFrame. Uma Series é outra estrutura de dados do Pandas (ou NumPy) que é bastante semelhante a uma lista do Python, mas oferece desempenho superior. O acesso a elementos individuais na Series é feito pelo **nome da coluna**, o que facilita o trabalho com os dados. Embora as Series do Pandas sejam muito mais eficientes do que listas do Python, essa estrutura de dados ainda tem um certo overhead de desempenho. Por isso, o método `itertuples()` é especialmente recomendado para **DataFrames muito grandes**. Ao contrário de `iterrows()`, o `itertuples()` retorna a **linha inteira, incluindo o índice**, como uma tupla, que é significativamente mais eficiente que o Series. Nas tuplas, o acesso aos elementos individuais é feito utilizando um ponto, como se fossem atributos de um objeto. Outro aspecto importante a considerar é que **tuplas não são mutáveis**. Portanto, se você quiser iterar sobre um DataFrame usando `itertuples()` e modificar valores, precisará referenciar o DataFrame usando o atributo `at` e o índice da tupla. Esse atributo funciona de maneira muito semelhante ao `loc`. O exemplo a seguir ilustra as diferenças entre `iterrows()` e `itertuples()`: ```python import pandas df = pandas.DataFrame({ 'Nome': ['Alice', 'Bob', 'Charlie'], 'Idade': [25, 30, 35], 'Salário': [70000.0, 80000.5, 90000.3] }) for index, row in df.iterrows(): row['Salário'] += 1000 print(f"Índice: {index}, Idade: {row['Idade']}, Salário: {row['Salário']}") for tup in df.itertuples(): df.at[tup.Index, 'Salário'] += 1000 # Altera o valor diretamente no DataFrame usando at[] print(f"Índice: {tup.Index}, Idade: {tup.Idade}, Salário: {df.loc[tup.Index, 'Salário']}") # Ambos os loops têm a mesma saída ``` This is a markdown version of: [https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/pandas-dataframe-em-python/](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/pandas-dataframe-em-python/) for AI/LLM consumption.