Pacote Pandas
Criando DataFrame (Continuação)
- Uma matriz bidimensional, que pode ser um registro ou estruturada
#Importando a bilbioteca Pandas
In [1]: import pandas as pd
#Criando o numpy.array (data) bidimensional (3X3)
In [2]: data =np.array([['Portugal', 'Lisboa', 10000000],
...: ['Peru', 'Lima', 32000000],
...: ['Chile', 'Santiago', 18000000],
...: ['Brasil', 'Brasília', 209000000]])
#Criando o DataFrame com o np.array (data) com as colunas ('País', 'Capital', 'População'), indexado de 100 até 103
In [3]: df = pd.DataFrame(data, index=range(100,104),columns=['País', 'Capital', 'População'])
#Exibindo o DataFrame
In [4]: df
Out[4]:
País Capital População
100 Portugal Lisboa 10000000
101 Peru Lima 32000000
102 Chile Santiago 18000000
103 Brasil Brasília 209000000
#Exibindo uma linha do DataFrame selecionando a partir do índice. Para isso, utilizamos a função .loc[indice]
In [5]: df.loc[102]
Out[5]:
País Chile
Capital Santiago
População 18000000
Name: 102, dtype: object
#Exibindo os dados de uma coluna (Capital), usada como índice do DataFrame
In [6]: df['Capital']
Out[6]:
100 Lisboa
101 Lima
102 Santiago
103 Brasília
Name: Capital, dtype: object
#Exibindo as linhas onde a População é maior que 10 milhões de habitantes. Utilizamos a função .loc[condicional]
In [23]: df.loc[df['População'] > '10000000']
Out[23]:
País Capital População
101 Peru Lima 32000000
102 Chile Santiago 18000000
103 Brasil Brasília 209000000
#Criando o array bidimensional 2x3
In [8]: x = np.array([[1, 2, 3], [4, 5, 6]], np.int32)
#Criando o DataFrame a partir do ndarray 2x3, renomeando as colunas
In [9]: df=pd.DataFrame(x, columns=['col1', 'col2', 'col3'])
#Exibindo o DataFrame
In [10]: df
Out[10]:
col1 col2 col3
0 1 2 3
1 4 5 6
#Exibindo apenas os dados da coluna 'col3' onde o valor da 'col2' é igual a 5 (df.loc)
In [11]: df.loc[df['col2'] == 5, 'col3']
Out[11]:
1 6
- Dicionários de ndarray unidimensionais, listas, dicionários ou Séries.
#Importando as bilbiotecas NumPy e Pandas
In [1]: import pandas as pd
In [2]: import numpy as np
#Criando 4 séries a partir de um dicionário que contém 3 chaves: valor
In [3]: jogador1 = pd.Series({'Nome':'Gabriel Barbosa','Gols': 25, 'Time':'C. R Flamengo'})
In [4]: jogador2 = pd.Series({'Nome':'Bruno Henrique','Gols': 21, 'Time':'C. R Flamengo'})
In [5]: jogador3 = pd.Series({'Nome':'Gilberto','Gols': 14, 'Time':'E. C Bahia'})
In [6]: jogador4 = pd.Series({'Nome':'Everaldo','Gols': 13, 'Time':'A. Chapecoense'})
#Criando o DataFrame a partir das Séries Criadas
In [7]: df = pd.DataFrame([jogador1, jogador2, jogador3, jogador4])
#Exibindo o DatatFrame Criado
In [8]: df
Out[8]:
Nome Gols Time
0 Gabriel Barbosa 25 C. R Flamengo
1 Bruno Henrique 21 C. R Flamengo
2 Gilberto 14 E. C Bahia
3 Everaldo 13 A. Chapecoense
#Exibir apenas as colunas Nome e Time dos jogadores com mais de 20 gols. Utiliza-se a função loc()
In [9]: df.loc[df['Gols'] > 20, ['Nome', 'Time']]
Out[9]:
Nome Time
0 Gabriel Barbosa C. R Flamengo
1 Bruno Henrique C. R Flamengo
#Utilizando a técnica de slice para recuperar linhas do DataFrame
In [10]: df[1:2]
Out[10]:
Nome Gols Time
1 Bruno Henrique 21 C. R Flamengo
