Como usar a biblioteca Python Pandas para analisar e manipular dados

O Python Pandas é uma biblioteca de código aberto desenvolvida especialmente para análise e manipulação de dados. Ela oferece aos programadores estruturas e funções que simplificam o trabalho com tabelas numéricas e séries temporais.

Para que serve o Python Pandas?

A biblioteca Pandas é amplamente utilizada em diferentes áreas de processamento de dados graças às suas funcionalidades que oferecem suporte a diversas aplicações:

• Análise exploratória de dados (AED): o Python Pandas facilita a exploração e a compreensão geral dos conjuntos de dados. Com funções como describe(), head() e info(), os desenvolvedores obtêm rapidamente insights sobre os dados e identificam correlações estatísticas.
• Limpeza e pré-processamento de dados: é necessário limpar e organizar em um formato consistente os dados obtidos de diversas fontes antes de analisá-los. O Pandas oferece várias funções para filtrar e transformar esses dados.
• Manipulação e transformação de dados: as principais tarefas do Pandas são manipulação, análise e transformação de conjuntos de dados. Funções como merge() ou groupby() possibilitam realizar operações complexas envolvendo os dados.
• Visualização de dados: outro campo prático de aplicação é a combinação com outras bibliotecas, como Matplotlib ou Seaborn. Assim, o DataFrame do Pandas pode ser convertido diretamente em diagramas ou plotagens.

Vantagens do Python Pandas

O Python Pandas oferece diversas vantagens que o tornam uma ferramenta indispensável para analistas de dados e pesquisadores. Sua API intuitiva e de fácil compreensão assegura um alto nível de usabilidade. Como as estruturas de dados centrais do Python Pandas (DataFrame e Series) são parecidas com planilhas, não é muito difícil aprender a trabalhar com elas.

Outra vantagem fundamental do Python Pandas é o seu desempenho. Embora o Python seja conhecido como uma linguagem de programação lenta, o Pandas é capaz de processar grandes conjuntos de dados de forma eficiente. Isso acontece porque a biblioteca foi escrita na linguagem C e utiliza algoritmos otimizados.

O Pandas oferece suporte a vários formatos de dados, incluindo CSV, Excel e bancos de dados SQL, possibilitando importações e exportações facilitadas de diversas fontes, aumentando ainda mais sua flexibilidade. Sua integração com outras bibliotecas do ecossistema Python, como NumPy e Matplotlib, amplia sua versatilidade e possibilita a realização de análises e modelagens de dados abrangentes.

Exemplos práticos da sintaxe do Python Pandas

Para ilustrarmos a sintaxe básica do Pandas, vamos analisar um exemplo simples. Imagine um conjunto de dados CSV com informações sobre vendas. Carregaremos esse conjunto, o examinaremos e realizaremos uma manipulação básica dos dados. O conjunto é estruturado da seguinte forma:

Data,Produto,Quantidade,Preço
2024-01-01,Produto A,10,20.00
2024-01-02,Produto B,5,30.00
2024-01-03,Produto C,7,25.00
2024-01-04,Produto A,3,20.00
2024-01-05,Produto B,6,30.00
2024-01-06,Produto C,2,25.00
2024-01-07,Produto A,8,20.00
2024-01-08,Produto B,4,30.00
2024-01-09,Produto C,10,25.00

Passo 1: Importar o Pandas para o Python e carregar o conjunto de dados

Após importar o Python Pandas, você poderá criar um DataFrame a partir dos dados em formato CSV com o uso da função read_csv().

import pandas as pd
# Carregar o registro de dados a partir do arquivo CSV chamado dados_vendas.csv
df = pd.read_csv('dados_vendas.csv')

Passo 2: Examinar conjunto de dados com o Python Pandas

Uma visão geral dos dados é obtida ao exibir as primeiras linhas e um resumo estatístico do conjunto. As funções head() e describe() são usadas para essa finalidade. Em especial, describe() apresenta uma visão geral de índices estatísticos importantes, como o valor mínimo e o máximo, o desvio padrão e o valor médio.

# Exibir as primeiras cinco linhas do DataFrame
print(df.head())
# Exibir um resumo estatístico
print(df.describe())

Passo 3: Manipular dados com o Python Pandas

Também é possível manipular dados com o Python Pandas. No código a seguir, os dados de vendas foram agregados por produto e mês:

# Converter a coluna “Data” em um objeto de data e hora para que as datas sejam identificadas corretamente
df['Data'] = pd.to_datetime(df['Data'])
# Extrair o mês da coluna “Data” e salvá-lo em uma nova coluna chamada “Mês”
df['Mês'] = df['Data'].dt.month
# Calcular a receita (Quantidade x Preço) e salvá-la na coluna chamada “Receita”
df['Receita'] = df['Quantidade'] * df['Preço']
# Agregar os dados de vendas por produto e mês
sales_summary = df.groupby(['Produto', 'Mês'])['Receita'].sum().reset_index()
# Exibir os dados agregados
print(sales_summary)

Passo 4: Visualizar dados

Por fim, você pode visualizar os números de vendas mensais de um produto usando a biblioteca Python Matplotlib.

import matplotlib.pyplot as plt
# Filtrar os dados para encontrar um produto específico
product_sales = sales_summary[sales_summary['Produto'] == 'Produto A']
# Criar um gráfico de linhas 
plt.plot(product_sales['Mês'], product_sales['Receita'], marker='o')
plt.xlabel('Mês')
plt.gca().set_xticks(product_sales['Mês'])
plt.ylabel('Receita')
plt.title('Receita mensal produto A')
plt.grid(True)
plt.show()

O gráfico abaixo indica que, no primeiro mês do ano, o produto A gerou R$ 940 de receita:

Close