Vamos dominar o básico de pandas. Aprenda a inspecionar DataFrames e fazer manipulações fundamentais, incluindo ordenar linhas, criar subconjuntos e adicionar novas colunas.

Introdução a DataFrames

Inspeção de um DataFrame

Partes de um DataFrame

Classificação e criação de subconjuntos

Classificação de linhas

Criação de subconjuntos de colunas

Como criar subconjuntos de linhas

Criação de subconjuntos de linhas por variáveis categóricas

Novas colunas

Adição de novas colunas

Ataque combinado!

Transformando DataFrames

Neste capítulo, você vai calcular estatísticas resumidas em colunas de DataFrame e dominar estatísticas agrupadas e tabelas dinâmicas (pivot tables).

Estatísticas de resumo

Média e mediana

Como resumir informações sobre datas

Resumos eficientes

Estatísticas acumuladas

Contagem

Eliminação de valores duplicados

Contagem de variáveis categóricas

Estatísticas de resumo agrupadas

Que porcentagem das vendas ocorreu em cada tipo de loja?

Cálculos com .groupby()

Vários resumos agrupados

Tabelas dinâmicas

Tabelas dinâmicas com uma variável

Preenchimento de valores ausentes e soma de valores com tabelas dinâmicas

Agregando DataFrames

Índices são nomes de linhas e colunas turbinados. Aprenda como combiná-los com fatiamento para criar subconjuntos poderosos de DataFrames.

Índices explícitos

Definição e remoção de índices

Criação de subconjuntos com .loc[]

Definição de índices multiníveis

Classificação por valores de índice

Fatiamento e criação de subconjuntos com .loc e .iloc

Fatiamento pelos valores do índice

Fatiamento em ambas as direções

Fatiamento de séries temporais

Criação de subconjuntos por número de linha/coluna

Como trabalhar com tabelas dinâmicas

Tabela dinâmica de temperatura por cidade e ano

Criação de subconjuntos em tabelas dinâmicas

Cálculos com uma tabela dinâmica

Fatiando e indexando DataFrames

Aprenda a visualizar o conteúdo dos seus DataFrames, lidar com valores ausentes e importar dados de, e exportar dados para, arquivos CSV.

Visualização de dados

Qual tamanho de abacate faz mais sucesso?

Mudanças nas vendas ao longo do tempo

Oferta e demanda de abacate

Preço do abacate convencional x orgânico

Valores ausentes

Identificação de valores ausentes

Eliminação de valores ausentes

Substituição de valores ausentes

Criação de DataFrames

Lista de dicionários

Dicionário de listas

Leitura e gravação de CSVs

De CSV para DataFrame

De DataFrame para CSV

Conclusão

Criando e visualizando DataFrames

Você aprenderá a analisar dados em várias dimensões ao mesmo tempo, permitindo descobrir padrões sutis ao detalhar resumos em diversas categorias simultaneamente.

Múltiplas Colunas de Agrupamento

Você aprenderá a detalhar estatísticas de resumo por categorias, permitindo comparar métricas entre diferentes grupos e descobrir padrões em seus dados.

Uma Coluna de Agrupamento

Você aprenderá a resumir dados calculando as principais estatísticas, como totais, médias e contagens, permitindo que você extraia insights significativos a partir de dados brutos.

Valores de Resumo

Agregação de Dados

Você aprenderá a lidar com cálculos em várias etapas e a calcular porcentagens de totais, permitindo que você construa métricas complexas que dependem de resultados intermediários.

Transformações Complexas

Você aprenderá a criar novas colunas combinando e calculando valores a partir de dados existentes, permitindo derivar proporções e outras métricas que não estão disponíveis no dataset original.

Transformações Básicas

Transformação de Dados

Você aprenderá a extrair linhas específicas dos seus dados com base em condições, permitindo que você foque sua análise em subconjuntos relevantes e lide com valores ausentes e padrões de texto.

Filtragem Básica

Você aprenderá a filtrar dados usando múltiplos critérios ao mesmo tempo, o que permitirá extrair exatamente as linhas de que você precisa ao combinar condições com a lógica AND e OR.

Múltiplas Condições

Você aprenderá a simplificar filtragens complexas ao dividir condições em colunas separadas e a extrair o oposto do resultado de um filtro, tornando sua análise mais transparente e verificável.

Filtragem Complexa

Filtragem de Dados

Você aprenderá a aplicar diferentes cálculos com base em condições específicas, o que permitirá padronizar valores, classificar dados em categorias e lidar com diversos cenários em seus dados.

Transformação Condicional

Você aprenderá a calcular resumos que incluem apenas valores que atendem a critérios específicos, permitindo calcular métricas detalhadas como a "média apenas de voos atrasados" dentro de cada grupo.

Agregação Condicional

Operações Condicionais

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

O pandas é a biblioteca Python mais popular do mundo, usada para tudo, de manipulação a análise de dados. Neste curso, você vai aprender a manipular DataFrames ao extrair, filtrar e transformar conjuntos de dados reais para análise. Com o pandas, você vai explorar todos os conceitos centrais de ciência de dados. Usando dados do mundo real, incluindo números de vendas do Walmart e séries temporais de temperatura global, você vai aprender a importar, limpar, calcular estatísticas e criar visualizações — usando o pandas para ampliar o poder do Python!

Os vídeos contêm transcrições ao vivo, que podem ser acessadas clicando em "Show transcript" no canto inferior esquerdo dos vídeos.

O glossário do curso está disponível à direita, na seção de recursos.

Para obter créditos de CPE, você precisa concluir o curso e alcançar uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no destaque de créditos de CPE à direita.

pandas é a biblioteca Python mais popular do mundo, usada para tudo, desde manipulação de dados até análise de dados. Neste curso, com um Tutor IA ao seu lado, você aprenderá a manipular DataFrames, enquanto agrega, filtra e transforma conjuntos de dados do mundo real para análise. Usando pandas, você explorará todas as operações essenciais de manipulação de dados em Ciência de dados.

<h2>Descubra a manipulação de dados com o pandas</h2>
Com este curso, você aprenderá por que o pandas é a biblioteca Python mais popular do mundo, usada para tudo, desde a manipulação de dados até a análise de dados. Você explorará como manipular DataFrames à medida que extrai, filtra e transforma conjuntos de dados do mundo real para análise. 
<br><br>
Usando o pandas, você conhecerá os principais conceitos da ciência de dados. Utilizando dados reais, incluindo números de vendas do Walmart e séries temporais de temperatura global, você aprenderá a importar, limpar, calcular estatísticas e criar visualizações — fazendo uso do pandas para aumentar o poder do Python!
<br><br>
<h2>Trabalhe com dados pandas para explorar os principais conceitos de ciência de dados</h2>
Você começará dominando os conceitos básicos do pandas, inclusive como inspecionar DataFrames e realizar algumas manipulações fundamentais. Você também aprenderá sobre a agregação de DataFrames, antes de passar para o fatiamento e a indexação. 
<br><br>
Você concluirá o curso aprendendo a visualizar o conteúdo de seus DataFrames, trabalhando com um conjunto de dados que contém vendas semanais de abacate no site US. 
<br><br>
<h2>Aprenda a manipular DataFrames</h2>
Ao concluir este curso de pandas, você entenderá como usar essa biblioteca Python para manipulação de dados. Você conhecerá o DataFrames e saberá como usá-lo, além de poder visualizar seus dados em Python.

Intermediate Python

Curso de manipulação de dados com pandas: extraia, filtre e transforme DataFrames para análise.

Manipulação de dados com pandas

Saiba como importar, tratar dados, calcular estatísticas e criar visualizações com o pandas. 

Associate Data Scientist  em Python

Analista de dados  Em Python

Manipulação de dados  Em Python

Fundamentos de dados Python

Senior Content Developer at DataCamp

Recapitulação

Mais recursos de aprendizagem

Parabéns!

https://s3.amazonaws.com/assets.datacamp.com/production/course_37063/subtitles/course_37063_a538f95fbb6be208d29f7eecfeee9be4.vtt

Criando e visualizando DataFrames - Conclusão

Conclusão

Create Your Free Account