Básico de Análise de Dados com Python & Pandas

Instalação

# ambiente recomendado
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install pandas matplotlib pyarrow # (opcional: jupyter)

Importação

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

pd.__version__

Dados Tabulares (Tidy)

• Cada linha = uma observação.
• Cada coluna = uma variável.
• Cada célula = um valor.

Tipos Comuns

• Numéricos: int, float
• Categóricos / Strings
• Datas & tempos (datetime)
• Booleanos

Estruturas do Pandas

• Series: vetor 1D com rótulos (índice).
• DataFrame: tabela 2D (linhas × colunas).
• Índice facilita alinhamento, seleção e operações.

Criação Rápida

s = pd.Series([10, 20, 30], index=["a","b","c"])
df = pd.DataFrame({
    "aluno": ["Ana","João","Bia"],
    "nota": [9.1, 7.5, 8.3],
    "aprovado": [True, False, True]
})
s, df.head()

Carregar Arquivos

df = pd.read_csv("dados.csv")          # CSV
df = pd.read_excel("planilha.xlsx")    # Excel
df = pd.read_json("dados.json")        # JSON
df = pd.read_parquet("tabela.parquet") # Parquet (rápido)

Salvar Arquivos

df.to_csv("saida.csv", index=False)
df.to_excel("saida.xlsx", index=False)
df.to_parquet("saida.parquet")

Inspeção Inicial

df.head()      # primeiras linhas
df.tail()      # últimas linhas
df.shape       # (linhas, colunas)
df.columns     # nomes das colunas
df.info()      # tipos e nulos
df.describe(numeric_only=True)

Tipos & Conversões

df.dtypes
df["data"] = pd.to_datetime(df["data"], dayfirst=True, errors="coerce")
df["categoria"] = df["categoria"].astype("category")
df["preco"] = pd.to_numeric(df["preco"], errors="coerce")

Seleção por Rótulo/Posição

# colunas
df["nota"]                      # Series
df[["aluno","nota"]].head(3)    # DataFrame

# linhas por rótulo/posição
df.loc[0:3, ["aluno","nota"]]   # rótulos
df.iloc[0:3, 0:2]               # posições

Filtragem Booleana

aprovados = df[df["nota"] >= 7.0]
filtro = (df["nota"] >= 7) & (df["categoria"] == "A")
resultado = df.loc[filtro, ["aluno","nota","categoria"]]

Valores Ausentes

df.isna().sum()
df2 = df.fillna({"nota": df["nota"].mean()})
df3 = df.dropna(subset=["nota","aluno"])

Colunas Derivadas

df["nota_pad"] = (df["nota"] - df["nota"].mean()) / df["nota"].std()
df["status"] = np.where(df["nota"] >= 7, "Aprovado", "Reprovado")

Pivot / Crosstab

# tabela dinâmica
pv = pd.pivot_table(
    df, values="nota", index="categoria", columns="turma",
    aggfunc="mean", fill_value=0
)

# frequência cruzada
xt = pd.crosstab(df["turma"], df["status"], normalize="index")

Ordenação & Top-N

top = df.sort_values(["nota","aluno"], ascending=[False, True]).head(10)

Junções (Merge)

alunos = pd.DataFrame({"id":[1,2], "aluno":["Ana","João"]})
notas  = pd.DataFrame({"id":[1,1,2], "disc":["Mat","Fis","Mat"], "nota":[9,8,7]})

dfm = pd.merge(alunos, notas, on="id", how="left")  # inner/left/right/outer

Concatenação (Concat)

part1 = df.iloc[:100]
part2 = df.iloc[100:]
df_full = pd.concat([part1, part2], axis=0, ignore_index=True)

Datas & Séries Temporais

df["data"] = pd.to_datetime(df["data"])
df = df.set_index("data").sort_index()

mensal = df["nota"].resample("M").mean()   # A, Q, M, W, D...
rolling = df["nota"].rolling(7).mean()     # média móvel 7 períodos

Plot Rápido (Pandas+Matplotlib)

ax = mensal.plot(kind="line", marker="o", figsize=(7,3), grid=True)
ax.set_title("Média Mensal da Nota")
plt.tight_layout(); plt.show()

Dicas de Performance

• Prefira operações vetorizadas (evite loops Python).
• Use categorical para colunas com poucos valores distintos.
• Para dados grandes: formatos binários (parquet) e chunks na leitura.
• df.memory_usage(deep=True) para medir memória.

Boas Práticas

• Documente suposições e decisões de limpeza.
• Crie funções reutilizáveis para etapas repetitivas.
• Salve resultados intermediários (CSV/Parquet) com versões.
• Valide tipos e nulos após importação.