{"id":10934,"date":"2023-08-29T08:46:01","date_gmt":"2023-08-29T11:46:01","guid":{"rendered":"https:\/\/www.homehost.com.br\/blog\/?p=10934"},"modified":"2023-08-29T08:48:14","modified_gmt":"2023-08-29T11:48:14","slug":"pandas-python","status":"publish","type":"post","link":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/","title":{"rendered":"Pandas python: como analisar dados com pandas em Python"},"content":{"rendered":"\n<figure class=\"wp-block-gallery has-nested-images columns-default is-cropped wp-block-gallery-1 is-layout-flex wp-block-gallery-is-layout-flex\">\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" src=\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo-1024x923.png\" alt=\"pandas no python para analisar dados\" class=\"wp-image-10958\" id=\"10958\" width=\"1024\" height=\"923\" srcset=\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo-1024x923.png 1024w, https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo-300x270.png 300w, https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo-768x692.png 768w, https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png 1075w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n<\/figure>\n\n\n\n<p>O pandas \u00e9 uma <strong>biblioteca de Python que permite trabalhar com dados crivados em planilhas do Excel ou CSV<\/strong>. Ele \u00e9 uma das bibliotecas mais populares e amplamente utilizadas em Python, e \u00e9 especialmente \u00fatil para quem trabalha com an\u00e1lise de dados. Assim, com o pandas, \u00e9 poss\u00edvel <strong>gerenciar, manipular e analisar dados de maneira f\u00e1cil e r\u00e1pida<\/strong>, tornando o processo de an\u00e1lise de dados mais eficiente e eficaz. <\/p>\n\n\n\n<p><strong>Neste artigo, voc\u00ea aprender\u00e1 tudo o que precisa saber para come\u00e7ar a usar o pandas, desde a introdu\u00e7\u00e3o at\u00e9 a cria\u00e7\u00e3o de visualiza\u00e7\u00f5es atraentes<\/strong>. Vamos come\u00e7ar!<\/p>\n\n\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_72 ez-toc-wrap-center counter-hierarchy ez-toc-counter ez-toc-custom ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Conte\u00fado<\/p>\n<span class=\"ez-toc-title-toggle\"><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Sintaxe\" title=\"Sintaxe\">Sintaxe<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Principais_funcionalidades_do_Pandas_em_Python\" title=\"Principais funcionalidades do Pandas em Python\">Principais funcionalidades do Pandas em Python<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Gerenciamento_de_dados_no_Pandas\" title=\"Gerenciamento de dados no Pandas\">Gerenciamento de dados no Pandas<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Trabalhando_com_celulas_no_Pandas_em_Python\" title=\"Trabalhando com c\u00e9lulas no Pandas em Python\">Trabalhando com c\u00e9lulas no Pandas em Python<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Trabalhando_com_colunas_no_Pandas_em_Python\" title=\"Trabalhando com colunas no Pandas em Python\">Trabalhando com colunas no Pandas em Python<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Trabalhando_com_linhas_no_Pandas_em_Python\" title=\"Trabalhando com linhas no Pandas em Python\">Trabalhando com linhas no Pandas em Python<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Aplicando_Classificadores_com_o_Pandas_em_python\" title=\"Aplicando Classificadores com o Pandas em python\">Aplicando Classificadores com o Pandas em python<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Agregacao_de_dados_no_Pandas\" title=\"Agrega\u00e7\u00e3o de dados no Pandas\">Agrega\u00e7\u00e3o de dados no Pandas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Exemplos_utilizando_Pandas_em_conjuntos_com_outras_funcoes_no_python\" title=\"Exemplos utilizando Pandas em conjuntos com outras fun\u00e7\u00f5es no python\">Exemplos utilizando Pandas em conjuntos com outras fun\u00e7\u00f5es no python<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#Trabalhando_com_tabelas_e_graficos_no_Pandas\" title=\"Trabalhando com tabelas e gr\u00e1ficos no Pandas\">Trabalhando com tabelas e gr\u00e1ficos no Pandas<\/a><\/li><\/ul><\/nav><\/div>\n\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Sintaxe\"><\/span>Sintaxe<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>A sintaxe do pandas \u00e9 <strong>baseada em DataFrames<\/strong>, que s\u00e3o objetos Python que permitem gerenciar, manipular e analisar dados. Dessa forma, os DataFrames do pandas s\u00e3o semelhantes \u00e0s planilhas do Excel, com as diferen\u00e7as sendo que os dados s\u00e3o armazenados em Python e podem ser manipulados de maneira mais flex\u00edvel.<\/p>\n\n\n\n<p>Para criar um DataFrame no pandas, voc\u00ea <strong>precisa primeiro carregar os dados em um objeto Python<\/strong>. Aqui est\u00e1 um exemplo de como carregar um arquivo CSV em um DataFrame:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Carregar um arquivo CSV em um DataFrame\ndf = pd.read_csv(\"dados.csv\")\n<\/code><\/pre>\n\n\n\n<p>Uma vez que o DataFrame \u00e9 criado, voc\u00ea pode usar uma s\u00e9rie de ferramentas e m\u00e9todos para gerenciar e analisar os dados. Por exemplo, voc\u00ea pode usar o m\u00e9todo&nbsp;<code><strong>head()<\/strong><\/code>&nbsp;para exibir os primeiros 10 linhas do DataFrame, ou o m\u00e9todo&nbsp;<code><strong>describe()<\/strong><\/code>&nbsp;para exibir estat\u00edsticas desse DataFrame.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code># Exibir os primeiros 10 linhas do DataFrame\ndf.head()\n\n# Exibir estat\u00edsticas do DataFrame\ndf.describe()<\/code><\/pre>\n\n\n\n<p>Al\u00e9m desses m\u00e9todos b\u00e1sicos, o pandas oferece uma s\u00e9rie de outros m\u00e9todos e ferramentas para gerenciar e analisar dados, como filtros, agrega\u00e7\u00f5es e visualiza\u00e7\u00f5es.Nesse sentido, aqui est\u00e1 um exemplo de como aplicar um filtro ao DataFrame:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code># Aplicar um filtro ao DataFrame\ndf&#091;df&#091;\"idade\"] &gt;= 30]<\/code><\/pre>\n\n\n\n<p>Esse \u00e9 apenas um exemplo da sintaxe do pandas. Para saber mais sobre as ferramentas e m\u00e9todos dispon\u00edveis, continue aprendendo neste artigo e consulte a documenta\u00e7\u00e3o oficial do pandas.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Principais_funcionalidades_do_Pandas_em_Python\"><\/span>Principais funcionalidades do Pandas em Python <span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>O gerenciamento de dados no pandas \u00e9 uma das principais funcionalidades da biblioteca. Dessa forma, permitindo trabalhar com dados em um formato de tabela, facilitando a an\u00e1lise e a manipula\u00e7\u00e3o dos dados. Algumas das principais fun\u00e7\u00f5es do pandas para gerenciamento de dados incluem:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Cria\u00e7\u00e3o de DataFrames:<\/strong> \u00c9 poss\u00edvel criar um DataFrame a partir de uma matriz ou de uma lista de listas. O DataFrame pode conter v\u00e1rias colunas e linhas, e cada c\u00e9lula pode conter um valor num\u00e9rico ou categ\u00f3rico.<\/li>\n\n\n\n<li><strong>Lendo e escrevendo arquivos:<\/strong> O pandas suporta a leitura e escrita de v\u00e1rios formatos de arquivo, incluindo CSV, Excel, JSON, SQL e mais. Dessa forma, tornando poss\u00edvel importar e exportar dados de outras fontes de dados.<\/li>\n\n\n\n<li><strong>Filtros:<\/strong> \u00c9 poss\u00edvel filtrar os dados em um DataFrame usando uma express\u00e3o booleana. Assim, isso permite selecionar apenas as linhas ou colunas que interessam.<\/li>\n\n\n\n<li><strong>Agrega\u00e7\u00e3o:<\/strong> O pandas oferece v\u00e1rias fun\u00e7\u00f5es para agregar dados em um DataFrame, como m\u00e9dia, desvio padr\u00e3o, contagem e mais. Nesse sentido, permitindo obter uma melhor compreens\u00e3o dos dados e identificar tend\u00eancias.<\/li>\n\n\n\n<li><strong>Resampling:<\/strong> O pandas permite resampling de dados, ou seja, \u00e9 poss\u00edvel dividir os dados em amostras para treinamento e teste de modelos de aprendizado de m\u00e1quina.<\/li>\n\n\n\n<li><strong>Manipula\u00e7\u00e3o de dados:<\/strong> O pandas oferece v\u00e1rias fun\u00e7\u00f5es para manipular dados em um DataFrame, como remo\u00e7\u00e3o de linhas ou colunas, renomea\u00e7\u00e3o de colunas, ordena\u00e7\u00e3o e mais.<\/li>\n<\/ul>\n\n\n\n<p>Essas s\u00e3o apenas algumas das funcionalidades do pandas para gerenciamento de dados. Assim, a biblioteca \u00e9 bastante potente e oferece muitas outras funcionalidades para trabalhar com dados de forma eficiente e intuitiva.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Gerenciamento_de_dados_no_Pandas\"><\/span>Gerenciamento de dados no Pandas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>O pandas \u00e9 uma biblioteca de Python que permite trabalhar com dados em um formato de tabela. Dessa forma, ele \u00e9 bastante popular devido \u00e0 sua facilidade de uso e \u00e0 sua capacidade de lidar com v\u00e1rios tipos de dados, incluindo dados num\u00e9ricos e categ\u00f3ricos. Portanto, para trabalhar com pandas, \u00e9 importante entender como trabalhar com as c\u00e9lulas, linhas e colunas  de um DataFrame.<\/p>\n\n\n\n<p>Por exemplo, se voc\u00ea tem um DataFrame com 3 linhas e 4 colunas, a primeira c\u00e9lula (no canto superior esquerdo) ter\u00e1 \u00edndice 0, a segunda c\u00e9lula ter\u00e1 \u00edndice 1 e assim por diante. A c\u00e9lula na linha 2, coluna 3 ser\u00e1 acessada pelo \u00edndice 2, pois \u00e9 a terceira c\u00e9lula no DataFrame.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Trabalhando_com_celulas_no_Pandas_em_Python\"><\/span>Trabalhando com c\u00e9lulas no Pandas em Python <span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>As c\u00e9lulas s\u00e3o os elementos individuais de um DataFrame. Dessa forma, cada c\u00e9lula cont\u00e9m um valor \u00fanico e pode ser acessada por sua posi\u00e7\u00e3o na tabela. Assim, a posi\u00e7\u00e3o de uma c\u00e9lula \u00e9 especificada pelo seu \u00edndice, que \u00e9 um n\u00famero zero ou positivo que indica a linha e a coluna em que a c\u00e9lula est\u00e1 localizada.<\/p>\n\n\n\n<p>Para excluir uma c\u00e9lula de um DataFrame, basta usar o m\u00e9todo&nbsp;<code><strong>drop()<\/strong><\/code>&nbsp;e especificar o \u00edndice da c\u00e9lula que deseja excluir. Por exemplo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# criar um novo DataFrame com 3 linhas e 4 colunas\ndf = pd.DataFrame({'A': &#091;1, 2, 3], 'B': &#091;4, 5, 6], 'C': &#091;7, 8, 9]})\n\n# excluir a c\u00e9lula na linha 1, coluna 2\ndf = df.drop(0, axis=0)\n\n# imprimir o DataFrame resultante\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A   B   C\n2  3   6   9<\/code><\/pre>\n\n\n\n<p>Para alterar o valor de uma c\u00e9lula, basta acessar a c\u00e9lula por seu \u00edndice e atribuir um novo valor a ela. Por exemplo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code># alterar o valor da c\u00e9lula na linha 2, coluna 1 para 10\ndf.iloc&#091;1, 0] = 10\n\n# imprimir o DataFrame resultante\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A   B   C\n0  1   4   7\n1  2  10   8\n2  3   6   9<\/code><\/pre>\n\n\n\n<p>Para obter o valor de uma c\u00e9lula, basta acessar a c\u00e9lula por seu \u00edndice. Por exemplo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code># obter o valor da c\u00e9lula na linha 2, coluna 1\nvalue = df.iloc&#091;1, 0]\n\n# imprimir o valor\nprint(value)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>10<\/code><\/pre>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Trabalhando_com_colunas_no_Pandas_em_Python\"><\/span>Trabalhando com colunas no Pandas em Python <span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>As colunas s\u00e3o os elementos b\u00e1sicos de uma tabela no pandas.&nbsp;Assim, cada coluna representa uma vari\u00e1vel ou atributo e cont\u00e9m um conjunto de valores \u00fanicos.&nbsp;Para trabalhar com colunas, voc\u00ea pode usar a classe DataFrame.&nbsp;Um DataFrame \u00e9 uma tabela de dados que consiste em linhas e colunas.<\/p>\n\n\n\n<p>Para trabalhar com colunas no pandas, voc\u00ea pode usar v\u00e1rios recursos.&nbsp;Algumas das funcionalidades mais comuns incluem:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter o nome da coluna: voc\u00ea pode usar o nome do atributo para obter o nome da coluna.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.columns)<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter o n\u00famero de colunas: voc\u00ea pode usar o m\u00e9todo <strong>shape<\/strong> e acessar o segundo elemento para obter o n\u00famero de colunas.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.shape&#091;1])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha o primeiro valor de uma coluna: voc\u00ea pode usar o m\u00e9todo <strong>iloc()<\/strong> e fornecer o \u00edndice da coluna e o \u00edndice da linha.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.iloc&#091;0, 0])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Para obter todos os valores de uma coluna: voc\u00ea pode usar o m\u00e9todo <strong>locals()<\/strong> e fornecer o \u00edndice da coluna.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df&#091;\"col1\"])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha uma lista com todos os nomes das colunas: voc\u00ea pode usar o m\u00e9todo <strong>columns.<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.columns.tolist())<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha uma lista com os valores exclusivos de uma coluna: voc\u00ea pode usar o m\u00e9todo <strong>unique()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df&#091;\"col1\"].unique())<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha o n\u00famero de linhas e colunas: voc\u00ea pode usar o m\u00e9todo <strong>shape<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.shape)<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha o \u00edndice de uma coluna: voc\u00ea pode usar o m\u00e9todo<strong> set_index()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>df.set_index(\"col1\", inplace=True)<\/code><\/pre>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Trabalhando_com_linhas_no_Pandas_em_Python\"><\/span>Trabalhando com linhas no Pandas em Python <span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>As linhas s\u00e3o os elementos b\u00e1sicos de uma tabela no pandas.&nbsp;Cada linha representa um indiv\u00edduo ou observa\u00e7\u00e3o e cont\u00e9m um conjunto de valores para cada vari\u00e1vel.&nbsp;Portanto, para trabalhar com linhas, voc\u00ea pode usar a classe DataFrame.&nbsp;Nesse sentido, um DataFrame \u00e9 uma tabela de dados que consiste em linhas e colunas.<\/p>\n\n\n\n<p>Para trabalhar com linhas no pandas, voc\u00ea pode usar v\u00e1rios recursos.&nbsp;Algumas das funcionalidades mais comuns incluem:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter o n\u00famero de linhas: voc\u00ea pode usar o m\u00e9todo <strong>shape<\/strong> e acessar o primeiro elemento para obter o n\u00famero de linhas.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.shape&#091;0])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter o valor de uma linha: voc\u00ea pode usar o m\u00e9todo <strong>iloc() <\/strong>e fornecer o \u00edndice da linha e o \u00edndice da coluna.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.iloc&#091;0, 0])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter todas as linhas de uma coluna: voc\u00ea pode usar o m\u00e9todo <strong>locals()<\/strong> e fornecer o \u00edndice da coluna.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df&#091;\"linha1\"])<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha uma lista com todos os \u00edndices das linhas: voc\u00ea pode usar o m\u00e9todo <strong>index<\/strong>.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.index.tolist())<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha uma lista com os valores \u00fanicos de uma linha: voc\u00ea pode usar o m\u00e9todo <strong>unique()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df&#091;\"linha1\"].unique())<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha o \u00edndice de uma linha: voc\u00ea pode usar o m\u00e9todo <strong>set_index()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>df.set_index(\"linha1\", inplace=True)<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obtenha as primeiras x linhas: voc\u00ea pode usar o m\u00e9todo <strong>head()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.head(x))<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Obter as \u00faltimas x linhas: voc\u00ea pode usar o m\u00e9todo<strong> tail()<\/strong><br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>print(df.tail(x))<\/code><\/pre>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Aplicando_Classificadores_com_o_Pandas_em_python\"><\/span>Aplicando Classificadores com o Pandas em python<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Os classificados s\u00e3o uma forma de agrupar ou classificar os dados em um DataFrame com base em crit\u00e9rios espec\u00edficos.&nbsp;Assim, o pandas oferece v\u00e1rias funcionalidades para aplicar classifica\u00e7\u00f5es, como:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>groupby(): O m\u00e9todo <strong>groupby()<\/strong> permite agrupar as linhas de um DataFrame com base em uma ou mais colunas.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>group = df.groupby(\"idade\")<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>agg(): O m\u00e9todo <strong>agg()<\/strong> permite calcular valores agregados para cada grupo criado pelo m\u00e9todo groupby().<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>group.agg({\"salario\": \"mean\"})<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>pivot_table(): O m\u00e9todo <strong>pivot_table()<\/strong> permite criar tabelas pivot ou desagregar dados em um DataFrame.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>pd.pivot_table(df, values=\"salario\", index=\"idade\", columns=\"g\u00eanero\")<\/code><\/pre>\n\n\n\n<ul class=\"wp-block-list\">\n<li>crosstab(): O m\u00e9todo <strong>crosstab()<\/strong> permite criar tabelas cruzadas ou desagregar dados em um DataFrame.<br>Exemplo:<\/li>\n<\/ul>\n\n\n\n<pre class=\"wp-block-code\"><code>pd.crosstab(df&#091;\"idade\"], df&#091;\"g\u00eanero\"])<\/code><\/pre>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Agregacao_de_dados_no_Pandas\"><\/span>Agrega\u00e7\u00e3o de dados no Pandas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>A agrega\u00e7\u00e3o de dados \u00e9 um processo importante em an\u00e1lise de dados, que consiste em combinar uma ou mais colunas de dados em uma \u00fanica coluna. Dessa forma, em Python podemos utilizar a biblioteca Pandas para realizar opera\u00e7\u00f5es de agrega\u00e7\u00e3o de dados.<\/p>\n\n\n\n<p>A biblioteca Pandas oferece v\u00e1rias fun\u00e7\u00f5es para agrega\u00e7\u00e3o de dados. Assim, algumas dessas fun\u00e7\u00f5es s\u00e3o:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><code><strong>sum()<\/strong><\/code>: soma os valores de todas as c\u00e9lulas de uma coluna.<\/li>\n\n\n\n<li><strong><code>mean()<\/code>:<\/strong> calcula a m\u00e9dia dos valores de todas as c\u00e9lulas de uma coluna.<\/li>\n\n\n\n<li><code><strong>median()<\/strong><\/code>: calcula o valor m\u00e9dio dos valores de uma coluna, considerando a m\u00e9dia dos valores pares e a m\u00e9dia dos valores \u00edmpares.<\/li>\n\n\n\n<li><code><strong>min()<\/strong><\/code>: retorna o menor valor de uma coluna.<\/li>\n\n\n\n<li><code><strong>max()<\/strong><\/code>: retorna o maior valor de uma coluna.<\/li>\n\n\n\n<li><code><strong>count()<\/strong><\/code>: retorna o n\u00famero de linhas de uma coluna.<\/li>\n<\/ul>\n\n\n\n<p>Al\u00e9m dessas fun\u00e7\u00f5es, a biblioteca Pandas tamb\u00e9m oferece outras fun\u00e7\u00f5es para agrega\u00e7\u00e3o de dados, como&nbsp;<code><strong>groupby()<\/strong><\/code>,&nbsp;<code><strong>merge()<\/strong><\/code>,&nbsp;<code><strong>join()<\/strong><\/code>, entre outras.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Exemplos_utilizando_Pandas_em_conjuntos_com_outras_funcoes_no_python\"><\/span>Exemplos utilizando Pandas em conjuntos com outras fun\u00e7\u00f5es no python <span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Vamos dar alguns exemplos de como utilizar outras fun\u00e7\u00f5es&nbsp;com o pacote Pandas em Python:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Utilizando&nbsp;<code><a href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/append-python\/\">append()<\/a><\/code>:<\/li>\n<\/ol>\n\n\n\n<p>O m\u00e9todo<strong>&nbsp;<code>append()<\/code><\/strong>&nbsp;\u00e9 usado para adicionar uma linha ou uma coluna a um DataFrame existente.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Criando um DataFrame\ndf = pd.DataFrame({'A': &#091;1, 2, 3], 'B': &#091;'a', 'b', 'c']})\n\n# Adicionando uma linha de dados ao DataFrame\ndf = df.append({'A': 4, 'B': 'd'}, ignore_index=True)\n\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A  B\n0  1  a\n1  2  b\n2  3  c\n3  4  d<\/code><\/pre>\n\n\n\n<ol class=\"wp-block-list\" start=\"2\">\n<li>Utilizando&nbsp;null:<\/li>\n<\/ol>\n\n\n\n<p>O <a href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/nan-python\/\">valor&nbsp;<code>NaN<\/code><\/a> ou &nbsp;<a href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/null-python\/\">(valor nulo)<\/a> \u00e9 usado para indicar que um dado n\u00e3o est\u00e1 dispon\u00edvel.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Criando um DataFrame\ndf = pd.DataFrame({'A': &#091;1, 2, 3], 'B': &#091;'a', 'b', 'c']})\n\n# Adicionando um valor NaN ao DataFrame\ndf.loc&#091;4] = pd.NaT\n\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A  B\n0  1  a\n1  2  b\n2  3  c\n3  NaN \n4  NaN\n<\/code><\/pre>\n\n\n\n<ol class=\"wp-block-list\" start=\"3\">\n<li>Utilizando&nbsp;duas fun\u00e7\u00f5es juntas:<\/li>\n<\/ol>\n\n\n\n<p>A fun\u00e7\u00e3o&nbsp;<strong><code>apply()<\/code>&nbsp;<\/strong>\u00e9 usada para aplicar uma fun\u00e7\u00e3o a cada valor de uma coluna. O argumento&nbsp;<code><strong>ifelse()<\/strong><\/code>&nbsp;\u00e9 usado para definir um valor a ser retornado com base em uma condi\u00e7\u00e3o. <\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\nimport numpy as np\n\n# Criando um DataFrame\ndf = pd.DataFrame({'A': &#091;1, 2, 3], 'B': &#091;4, 5, 6]})\n\n# Definindo uma fun\u00e7\u00e3o para verificar se um n\u00famero \u00e9 par ou \u00edmpar\ndef is_even_or_odd(x):\n    if x % 2 == 0:\n        return 1\n    else:\n        return 0\n\n# Aplicando a fun\u00e7\u00e3o em uma coluna e retornando o resultado\ndf&#091;'C'] = df&#091;'A'].apply(is_even_or_odd)\n\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A  B   C\n0  1  4    0\n1  2  5    1\n2  3  6    0<\/code><\/pre>\n\n\n\n<ol class=\"wp-block-list\" start=\"4\">\n<li>Utilizando&nbsp;<code>range()<\/code>:<\/li>\n<\/ol>\n\n\n\n<p>O m\u00f3dulo&nbsp;<code><a href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/python-range\/\">range()<\/a><\/code>&nbsp;\u00e9 usado para gerar uma sequ\u00eancia de n\u00fameros.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Criando um DataFrame\ndf = pd.DataFrame({'A': &#091;1, 2, 3]})\n\n# Gerando uma sequ\u00eancia de n\u00fameros com o m\u00f3dulo range()\nseq = range(len(df))\n\n# Criando uma nova coluna com os valores da sequ\u00eancia\ndf&#091;'B'] = seq\n\nprint(df)<\/code><\/pre>\n\n\n\n<p>Output:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>   A  B\n0  1  0\n1  2  1\n2  3  2<\/code><\/pre>\n\n\n\n<p>Assim, neste exemplo a sequ\u00eancia de n\u00fameros \u00e9 gerada usando o m\u00f3dulo&nbsp;<code><strong>range()<\/strong><\/code>, com base no n\u00famero de linhas (<code><a href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/len-python\/\">len<\/a>(df)<\/code>) no DataFrame. Em seguida, adicionamos uma sequ\u00eancia de n\u00fameros como uma nova coluna ao DataFrame.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Trabalhando_com_tabelas_e_graficos_no_Pandas\"><\/span>Trabalhando com tabelas e gr\u00e1ficos no Pandas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>O Pandas \u00e9 uma biblioteca poderosa em Python para an\u00e1lise e manipula\u00e7\u00e3o de dados. Dessa forma, fornece diversas ferramentas para criar tabelas e gr\u00e1ficos para visualizar seus dados.<\/p>\n\n\n\n<p>Nesse sentido, para criar uma tabela com o Pandas, basta carregar um arquivo CSV ou uma lista de Python e, em seguida, usar a fun\u00e7\u00e3o&nbsp;<code><strong>to_frame()<\/strong><\/code>&nbsp;para converter a lista em um DataFrame. Assim, o DataFrame \u00e9 uma estrutura de dados semelhante a uma planilha do Excel, que podemos manipulada com diversas opera\u00e7\u00f5es.<\/p>\n\n\n\n<p>Aqui est\u00e1 um exemplo de como carregar um arquivo CSV e criar uma tabela:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Carregando o arquivo CSV\ndf = pd.read_csv('file.csv')\n\n# Exibindo a tabela\nprint(df)<\/code><\/pre>\n\n\n\n<p>Dessa forma, o Pandas tamb\u00e9m fornece diversas op\u00e7\u00f5es de formata\u00e7\u00e3o para as c\u00e9lulas do DataFrame, como<strong>&nbsp;<code>fillna()<\/code><\/strong>&nbsp;para preencher valores ausentes,<strong>&nbsp;<code>round()<\/code><\/strong>&nbsp;para redondear valores,&nbsp;<code><strong>str.upper()<\/strong><\/code>&nbsp;para converter uma coluna em letras mai\u00fasculas, entre outras.<\/p>\n\n\n\n<p>Portanto, para criar gr\u00e1ficos o Pandas oferece a fun\u00e7\u00e3o&nbsp;<code><strong>plot()<\/strong><\/code>, que pode ser usada para gerar diversas tipologias de gr\u00e1ficos, como gr\u00e1ficos lineares, barras, dispersos, entre outros. Assim, aqui est\u00e1 um exemplo de como criar um gr\u00e1fico de barras:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Carregando o arquivo CSV\ndf = pd.read_csv('file.csv')\n\n# Criando um gr\u00e1fico de barras\ndf.plot(kind='bar')\n\n# Exibindo o gr\u00e1fico\nplt.show()<\/code><\/pre>\n\n\n\n<p>O Pandas tamb\u00e9m permite personalizar os gr\u00e1ficos, como alterar o t\u00edtulo, as etiquetas das axes, o tamanho das linhas, entre outras op\u00e7\u00f5es.<\/p>\n\n\n\n<p>Al\u00e9m disso, o Pandas oferece a op\u00e7\u00e3o de salvar os gr\u00e1ficos como imagens em v\u00e1rios formatos, como PNG, JPG, PDF, entre outros. Aqui est\u00e1 um exemplo de como salvar um gr\u00e1fico como uma imagem PNG:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>import pandas as pd\n\n# Carregando o arquivo CSV\ndf = pd.read_csv('file.csv')\n\n# Criando um gr\u00e1fico de barras\ndf.plot(kind='bar', filename='bar_chart.png')\n\n# Fechando a janela do gr\u00e1fico\nplt.close()<\/code><\/pre>\n\n\n\n<p>Portanto para apresentar seus resultados, o uso de visualiza\u00e7\u00f5es \u00e9 fundamental. Assim, as visualiza\u00e7\u00f5es ajudam a transmitir os resultados de uma maneira clara e concisa, facilitando a compreens\u00e3o dos dados.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>O pandas \u00e9 uma biblioteca de Python que permite trabalhar com dados crivados em planilhas do Excel ou CSV. Ele \u00e9 uma das bibliotecas mais populares e amplamente utilizadas em Python, e \u00e9 especialmente \u00fatil para quem trabalha com an\u00e1lise de dados. Assim, com o pandas, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de maneira [&hellip;]<\/p>\n","protected":false},"author":33,"featured_media":10958,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_helpful_status":1,"_lmt_disableupdate":"","_lmt_disable":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[211],"tags":[],"class_list":["post-10934","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pythondjango"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v24.6 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pandas python: como analisar dados com pandas em Python | Homehost<\/title>\n<meta name=\"description\" content=\"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pandas python: como analisar dados com pandas em Python | Homehost\" \/>\n<meta property=\"og:description\" content=\"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/\" \/>\n<meta property=\"og:site_name\" content=\"Homehost\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Homehost\/\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-29T11:46:01+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-08-29T11:48:14+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1075\" \/>\n\t<meta property=\"og:image:height\" content=\"969\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Sch\u00eania T\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@Homehost\" \/>\n<meta name=\"twitter:site\" content=\"@Homehost\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Sch\u00eania T\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/\",\"url\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/\",\"name\":\"Pandas python: como analisar dados com pandas em Python | Homehost\",\"isPartOf\":{\"@id\":\"https:\/\/www.homehost.com.br\/blog\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png\",\"datePublished\":\"2023-08-29T11:46:01+00:00\",\"dateModified\":\"2023-08-29T11:48:14+00:00\",\"author\":{\"@id\":\"https:\/\/www.homehost.com.br\/blog\/#\/schema\/person\/880e31fe4f09cfa53d60a46d9c2010aa\"},\"description\":\"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage\",\"url\":\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png\",\"contentUrl\":\"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png\",\"width\":1075,\"height\":969,\"caption\":\"pandas python\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\/\/www.homehost.com.br\/blog\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pandas python: como analisar dados com pandas em Python\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.homehost.com.br\/blog\/#website\",\"url\":\"https:\/\/www.homehost.com.br\/blog\/\",\"name\":\"Homehost\",\"description\":\"Hospedagem De Sites\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.homehost.com.br\/blog\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.homehost.com.br\/blog\/#\/schema\/person\/880e31fe4f09cfa53d60a46d9c2010aa\",\"name\":\"Sch\u00eania T\",\"description\":\"Cientista de dados, apaixonada por ferramentas de tecnologia e games. Graduanda em Estat\u00edstica pela UFPB. Seu hobby \u00e9 maratonar s\u00e9ries, curtir uma boa m\u00fasica trabalhando ou cozinhando, ir ao cinema e aprender coisas novas! Contato: schenia.blog@homehost.com.br\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pandas python: como analisar dados com pandas em Python | Homehost","description":"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/","og_locale":"pt_BR","og_type":"article","og_title":"Pandas python: como analisar dados com pandas em Python | Homehost","og_description":"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.","og_url":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/","og_site_name":"Homehost","article_publisher":"https:\/\/www.facebook.com\/Homehost\/","article_published_time":"2023-08-29T11:46:01+00:00","article_modified_time":"2023-08-29T11:48:14+00:00","og_image":[{"width":1075,"height":969,"url":"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png","type":"image\/png"}],"author":"Sch\u00eania T","twitter_card":"summary_large_image","twitter_creator":"@Homehost","twitter_site":"@Homehost","twitter_misc":{"Escrito por":"Sch\u00eania T","Est. tempo de leitura":"11 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/","url":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/","name":"Pandas python: como analisar dados com pandas em Python | Homehost","isPartOf":{"@id":"https:\/\/www.homehost.com.br\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage"},"image":{"@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage"},"thumbnailUrl":"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png","datePublished":"2023-08-29T11:46:01+00:00","dateModified":"2023-08-29T11:48:14+00:00","author":{"@id":"https:\/\/www.homehost.com.br\/blog\/#\/schema\/person\/880e31fe4f09cfa53d60a46d9c2010aa"},"description":"O pandas \u00e9 a solu\u00e7\u00e3o perfeita para trabalhar com dados em Python! Com ele, \u00e9 poss\u00edvel gerenciar, manipular e analisar dados de forma r\u00e1pida.","breadcrumb":{"@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#primaryimage","url":"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png","contentUrl":"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png","width":1075,"height":969,"caption":"pandas python"},{"@type":"BreadcrumbList","@id":"https:\/\/www.homehost.com.br\/blog\/pythondjango\/pandas-python\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/www.homehost.com.br\/blog\/"},{"@type":"ListItem","position":2,"name":"Pandas python: como analisar dados com pandas em Python"}]},{"@type":"WebSite","@id":"https:\/\/www.homehost.com.br\/blog\/#website","url":"https:\/\/www.homehost.com.br\/blog\/","name":"Homehost","description":"Hospedagem De Sites","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.homehost.com.br\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Person","@id":"https:\/\/www.homehost.com.br\/blog\/#\/schema\/person\/880e31fe4f09cfa53d60a46d9c2010aa","name":"Sch\u00eania T","description":"Cientista de dados, apaixonada por ferramentas de tecnologia e games. Graduanda em Estat\u00edstica pela UFPB. Seu hobby \u00e9 maratonar s\u00e9ries, curtir uma boa m\u00fasica trabalhando ou cozinhando, ir ao cinema e aprender coisas novas! Contato: schenia.blog@homehost.com.br"}]}},"modified_by":"ad_hmhst","jetpack_featured_media_url":"https:\/\/www.homehost.com.br\/blog\/wp-content\/uploads\/2023\/08\/pandas-artigo.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/posts\/10934","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/users\/33"}],"replies":[{"embeddable":true,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/comments?post=10934"}],"version-history":[{"count":13,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/posts\/10934\/revisions"}],"predecessor-version":[{"id":10983,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/posts\/10934\/revisions\/10983"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/media\/10958"}],"wp:attachment":[{"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/media?parent=10934"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/categories?post=10934"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.homehost.com.br\/blog\/wp-json\/wp\/v2\/tags?post=10934"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}