Pandas: análise e processamento de dados com Python

Pandas — é a biblioteca fundamental para análise de dados em Python, tornando-se o padrão da indústria para processamento de informações estruturadas. Criada por Wes McKinney em 2008, seu nome vem do termo "Panel Data" — dados em painel na econometria.

O que é Pandas e por que é tão importante

Pandas é uma poderosa biblioteca open-source, construída sobre o NumPy, que oferece estruturas de dados de alto nível e ferramentas para análise de dados rápida e eficiente. A biblioteca é especialmente eficaz para trabalhar com dados tabulares, séries temporais e qualquer informação estruturada.

Principais vantagens do Pandas:

Versatilidade: Pandas suporta diversos formatos de dados — de CSV e Excel a JSON, SQL, HTML e muitos outros.

Desempenho: Graças a algoritmos otimizados baseados em Cython e NumPy, a biblioteca oferece alta velocidade no processamento de grandes volumes de dados.

Intuitividade: A sintaxe do Pandas é próxima da linguagem natural, tornando o código claro e fácil de aprender.

Integração: Pandas se integra perfeitamente com outras bibliotecas do ecossistema Python — NumPy, Matplotlib, Scikit-learn, SciPy.

Áreas de aplicação do Pandas:

• Análise e visualização de dados — criação de relatórios, dashboards, análise exploratória
• Machine Learning — pré-processamento de dados, engenharia de features, preparação de datasets
• Análise financeira — análise de séries temporais, cálculo de indicadores financeiros
• Business Intelligence — preparação de relatórios, análise de vendas, KPIs
• Pesquisa científica — processamento de dados experimentais, análise estatística
• Web scraping — estruturação e limpeza de dados coletados

Instalação e importação do Pandas

Instalação via pip:

pip install pandas

Instalação via conda:

conda install pandas

Importando a biblioteca:

import pandas as pd
import numpy as np  # frequentemente usado junto com pandas

A abreviação pd tornou-se um padrão universal na comunidade Python e é usada em todos os tutoriais e documentações.

Estruturas de dados principais: Series e DataFrame

Series — dados unidimensionais com índices

Series é um array unidimensional com rótulos (índices) que pode conter qualquer tipo de dado: números, strings, valores booleanos, objetos Python.

# Criando uma Series a partir de uma lista
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])

# Criando uma Series a partir de um dicionário
data = {'São Paulo': 12300000, 'Rio de Janeiro': 6700000, 'Brasília': 3000000}
population = pd.Series(data)

# Acessando elementos
print(population['São Paulo'])  # 12300000
print(population.iloc[0])       # primeiro elemento

DataFrame — dados tabulares bidimensionais

DataFrame — é uma estrutura de dados bidimensional com rótulos de linhas e colunas, semelhante a uma tabela em banco de dados relacional ou planilha do Excel.

# Criando um DataFrame a partir de um dicionário
data = {
    'Nome': ['Ana', 'Bruno', 'Carla', 'Diego'],
    'Idade': [25, 30, 22, 28],
    'Cidade': ['São Paulo', 'Rio', 'Belo Horizonte', 'São Paulo'],
    'Salário': [8000, 9500, 6000, 7500]
}
df = pd.DataFrame(data)

# Criando um DataFrame com índice personalizado
df = pd.DataFrame(data, index=['emp1', 'emp2', 'emp3', 'emp4'])

Carregando e salvando dados

Carregando de diferentes formatos

  
Também na biblioteca
  

                
                  
                 pgx para Go: guia completo com exemplos
      
                
                  
                 Envio de Email em Go (Golang): bibliotecas e exemplos de código
      
                
                  
                 yaml-cpp para C++: guia completo com exemplos práticos
      
                
                  
                 Cliente HTTP para PHP: as melhores bibliotecas para trabalhar com requisições
      
                
                  
                 Aprendizado de Máquina em Rust: visão geral das bibliotecas para Data Science