Programação Python (Parte 3) - Prof. MARCO VAZ

Pacote Pandas

Semelhantemente ao pacote NumPy, o pacote Pandas está entre os mais utilizados no Python devido a sua utilidade para realizar análise de dados pelo seu desempenho e capacidade de simplificarem tarefas complicadas de manipulação de dados. O Pandas fornece estruturas de dados rápidas, flexíveis e expressivas, projetadas para facilitar o trabalho com dados estruturados (tabulares, multidimensionais, potencialmente heterogêneos) e de séries temporais.

Sendo assim, o primeiro passo para trabalhar com a biblioteca é importar o pacote. O formato geral é:

Pandas Series

Series são matrizes unidimensionais rotuladas capazes de armazenar dados de qualquer tipo (inteiro, string, float, objetos python, etc.). Os rótulos dos eixos são chamados coletivamente de índices. Fazendo um paralelo com uma planilha MS-EXCEL uma série representa uma coluna em uma planilha do Excel. Uma Serie suporta tanto a indexação inteira, quanto a baseada em rótulo e fornece uma série de métodos para executar operações envolvendo o índice.

A criação de uma série pode ser feita das seguintes formas:

• A partir de um array - Uma série pode ser criada a partir de um array NumPy

In [1]: import numpy as np

In [2]: import pandas as pd

#Criando um numpy.array unidimensional com números pares de 0 a 1000 
In [3]: array_par = np.arange(0, 1001, 2, int)

# Criando a serie (serie_par) a partir do array (array_par)
In [4]: serie_par = pd.Series(array_par)

# Exibe as primeiras 5 linhas da série
In [5]: serie_par.head()  
Out[5]: 
0    0
1    2
2    4
3    6
4    8
dtype: int32

Como podemos notar no resultado apresentado acima, a série serie_par possui 2 colunas formadas pelos índices e os valores, os dois atributos fundamentais nesta estrutura. Como na criação da Serie não foi dado um índice específico o pandas usou os inteiros positivos crescentes como padrão.

Pode ser conveniente atribuirmos um índice diferente do padrão, supondo que essas sejam notas de uma turma, poderíamos atribuir nomes ao index:

#Criando o array medias com as medias dos alunos (valores da Série)
In [5]: medias = np.array([7.88, 5.21, 6.85, 5.90,  6.28, 8.46, 7.08, 3.41, 5.11, 8.11])

#Criando o array nomes dos alunos que serão os índices da série
In [6]: nomes = np.array(["Luciano","Matheus", "Rodrigo", "Bruno", "Michel", "Raul", "Lucas","Caio","Paulo", "Vitor"])

#Criando a série turma com as médias e ps nomes como ídices
In [7]: turma = pd.Series(medias,index = nomes)

#Exibindo a coluna values (valores) da Série
In [11]: turma.values
Out[11]: array([7.88, 5.21, 6.85, 5.9 , 6.28, 8.46, 7.08, 3.41, 5.11, 8.11])

#Exibinddo a coluna index (índice) da Série
In [12]: turma.index
Out[12]: 
Index(['Luciano', 'Matheus', 'Rodrigo', 'Bruno', 'Michel', 'Raul', 'Lucas', 'Caio', 'Paulo', 'Vitor'],
      dtype='object')

#resultado mostra os nomes (índices) e as Médias (valores)
In [8]: turma.head()
Out[8]: 
Luciano    7.88
Matheus    5.21
Rodrigo    6.85
Bruno      5.90
Michel     6.28
dtype: float64

#Exibindo a média do aluno Paulo
turma['Paulo']
Out[9]: 5.11

#Exibindo a Média da Turma
print('Média da Turma: ', turma.mean())
Média da Turma:  6.428999999999999

#Exibido o Desvio Padrão
print('Desvio Padrão: ', turma.std())
Desvio Padrão:  1.574070801739518

#Exibindo um resumo Estatístico
In [12]: turma.describe()
Out[12]: 
count    10.000000
mean      6.429000
std       1.574071
min       3.410000
25%       5.382500
50%       6.565000
75%       7.680000
max       8.460000
dtype: float64

O Pandas permite a aplicação de expressões matemáticas e funções matemáticas do numpy diretamente. No exemplo abaixo, a transformação da série contendo números pares (serie_par) para números ímpares (serie_impar) incrementado uma unidade a todos os elementos.

In [16]: serie_impar = serie_par + 1
In [18]: serie_impar.head()
Out[18]: 
0    1
1    3
2    5
3    7
4    9
dtype: int32