Pacote Pandas
Criando DataFrame (Continuação)
- Criando DataFrame a partir da leitura dos dados de um arquivo (p.ex. csv).
O arquivo a ser utilizado nesse exemplo tem sua fonte em Countries of the World (http://gsociology.icaap.org/dataupload.html)
#Importando as bibliotecas
In [1]: import numpy as np
In [2]: import pandas as pd
#Criando um DataFrame a partir do Arquivo .csv. As colunas do arquivo não serão usadas como índice (index_col=False)
In [3]: df = pd.read_csv('paisesdomundo.csv', index_col=False)
#Exibindo os nomes dos 7 primeiros países
In [11]: df['País'].head(7)
Out[11]:
0 Afeganistão
1 África do Sul
2 Albania
3 Alemanha
4 Algeria
5 Angola
6 Antigua and Barbuda
Name: País, dtype: object
Seleção de dados do Pandas
Existem várias maneiras de selecionar e indexar linhas e colunas dos DataFrames do Pandas, mas existem 3 possíveis maneiras para realizar as atividades de seleção e indexação no Pandas que são:
- Selecionando os dados pela técnica de Slice
- Selecionando dados por números de linha (.iloc)
- Selecionando dados por rótulo ou por uma declaração condicional (.loc)
#Criando um DataFrame a partir do Arquivo .csv. As colunas do arquivo não serão usadas como índice (index_col=False)
In [1]: df = pd.read_csv('paisesdomundo.csv', index_col=False)
#Selecionando o dois primeiros registros
In [2]: df[:2]
Out[2]:
País Região População área (milhas quadradas) \
0 Afeganistão SUDOESTE DA ÁSIA 31056997 647500
1 África do Sul ÁFRICA SUBSAARIANA 44187637 1219912
Descrição Unidade Escala 2015 \
0 Produto interno bruto - preços atuais US dollars Bilhões 19687.0
1 Produto interno bruto - preços atuais US dollars Bilhões 314732.0
2016 2017 2018 2019 2020 2021 2022
0 18886.0 20570.0 21706.0 23233.0 24930.0 26857.0 29113.0
1 294132.0 317568.0 326967.0 339846.0 353409.0 366860.0 380425.0
#Selecionando o nome dos países dos 3 primeiros registros
In [3]: df[:3]['País']
Out[3]:
0 Afeganistão
1 África do Sul
2 Albania
Name: País, dtype: object
#Selecionando o nome dos países das posições 1,2 e 3, usando a função iloc
In [21]: df.iloc[1:4,0]
Out[21]:
1 África do Sul
2 Albania
3 Alemanha
Name: País, dtype: object
#Exibindo os Nomes e população dos países com menos de cem mil habitantes
In [8]: df.loc[df['População'] <= 100000, ['País','População']]
Out[8]:
País População
6 Antigua and Barbuda 69108
48 Dominica 68910
67 Granada 89703
80 Ilhas Marshall 60422
119 Nauru 13287
127 Palau 20579
151 São Cristóvão e Nevis 39129
152 São Marino 29251
158 Seychelles 81541
178 Tuvalu 11810
#Exibindo apenas as colunas País (coluna 0), Região (coluna 1) e População (coluna 2) do País com índice 24
In [10]: df.iloc[24][0:3]
Out[10]:
País Brasil
Região AMÉRICA LATINA & CARIBE
População 188078227
Name: 24, dtype: object
#Exibindo a média dos PIB de 2017 (7) a 2022 (11) do País de índice 24 (Brasil)
In[13] : df.iloc[24][7:].mean()
Out[13]: 2009638.375
#Exibindo o Nome do País com população superior a Um bilhão e trezentos milhões de habitante. Utilizando uma função lambda
In [14]: print(df.loc[lambda df: df['População']>1300000000]['País'])
37 China
Name: País, dtype: object
#repetindo o exemplo anterior sem o uso da função lambda.
In [15]: df.loc[df['População']>1300000000, ['País']]
Out[15]:
País
37 China
