Entendendo DataFrames
Lição 4 de 19 do curso Análise com Pandas da Coddy.
DataFrames formam o coração da biblioteca Pandas. Um DataFrame é uma estrutura de dados rotulada bidimensional com colunas que podem ser de diferentes tipos, incluindo integer, float, object e mais.
Em essência, um DataFrame é como uma tabela de dados. Você pode imaginá-lo como uma planilha ou uma tabela SQL. As linhas correspondem a instâncias de entrada individuais (observações), enquanto as colunas representam as features dos dados. Com dataframes, podemos manipular, analisar, agrupar e pré-processar dados.
Ao trabalhar com um novo dataframe, precisamos entender quais são as colunas, quais são seus tipos de dados, quantas linhas ele possui, que tipo de dados ele armazena e assim por diante. Aqui estão algumas funções que fornecem insights rápidos sobre os dados:
- head(n): Mostra as primeiras
nlinhas - head(): Mostra as primeiras 5 linhas
- describe(): Fornece estatísticas descritivas, como média, máximo, mínimo, etc.
- info(): Fornece um resumo de todas as features (colunas).
shape:o formato do dataframe (quantas linhas e quantas colunas). Esta é uma propriedade e não um método.- tail(n): Mostra as últimas
nlinhas - tail(): Mostra as últimas 5 linhas
Desafio
FácilNeste desafio, você tem um arquivo CSV chamado brands.csv.
Antes de fazer qualquer coisa, use o .read_csv() para transformar o arquivo em um dataframe.
Crie uma função chamada information que aceite uma string que pode conter um dos seguintes valores:
- "head"
- "describe"
- "info"
- "shape"
- "tail"
A função imprimirá a saída correspondente do dataframe.
Experimente você mesmo
import pandas as pd
def information(action):
df = pd.read_csv("brands.csv")
# Escreva o código aquiTodas as lições de Análise com Pandas
4Análise de Dados com Pandas
Estatística DescritivaAgrupamento e Agregação de DadosDiferentes AgregaçõesMerge e Concat2Trabalhando com o DataFrame
Entendendo DataFramesAcessando DadosLimpeza de Dados - Dados ausentesLimpeza de Dados - Mais ferramentas3Manipulação de Dados com Pandas
Retornar Resultado SolicitadoFiltrar DadosAdicionar e ExcluirModificar DadosModificar StringsModificações Personalizadas