Selecionando colunas e linhas

Acesse uma única coluna pelo nome usando a notação de colchetes df['col'], que retorna uma Series. Você também pode usar a notação de ponto df.col quando o nome da coluna for um identificador Python válido e não contiver espaços. A notação de colchetes é sempre segura; a notação de ponto falha para nomes que entram em conflito com métodos do DataFrame, como count ou mean.

Para selecionar várias colunas, passe uma lista de nomes de colunas dentro dos colchetes: df[['col1', 'col2']]. Observe os colchetes duplos — o par externo é o operador de indexação, e o par interno cria uma lista Python. O resultado é um DataFrame, não uma Series. Isso é usado com frequência para extrair uma matriz de características para aprendizado de máquina.

df.loc[row_label, col_label] seleciona dados por rótulo. Forneça um único rótulo, uma lista de rótulos ou uma fatia para as linhas e colunas. df.loc[:, 'score'] seleciona todas as linhas da coluna 'score'. df.loc['r1':'r3', ['a', 'b']] seleciona as linhas de r1 a r3 (inclusive) para as colunas a e b.

df.iloc[row_pos, col_pos] seleciona pela posição inteira, ignorando os rótulos. Os dois argumentos seguem as convenções de fatias do Python, com limites finais exclusivos. df.iloc[:, 0] seleciona a primeira coluna como uma Series. df.iloc[0:2, 1:3] seleciona um sub-DataFrame retangular de 2×2 no canto superior esquerdo.

Passe uma Series booleana (com o mesmo índice do DataFrame) para .loc a fim de filtrar linhas. Construa a Series booleana a partir de uma condição sobre uma coluna. Você pode combinar condições com & e |. Esse é o padrão de filtragem convencional na análise de dados com Pandas e é muito mais expressivo do que cláusulas WHERE do SQL para condições complexas envolvendo várias colunas.

Cada condição deve estar entre parênteses e ser combinada com & (AND) ou | (OR). Usar as palavras-chave Python and/or em Series gera um erro. Para negar uma condição, use ~ (til) em vez de not. Sempre teste as condições individualmente antes de combiná-las, para isolar a origem de resultados inesperados.

df.iloc[n] retorna a n-ésima linha como uma Series. df.iloc[n:m] retorna as linhas de n até m-1 como um DataFrame. df.iloc[[0, 2, 4]] seleciona linhas específicas por posição usando indexação avançada. Essas operações equivalem à seleção de linhas de um array NumPy e são usadas com frequência na divisão em conjuntos de treinamento e teste antes da aplicação de modelos de aprendizado de máquina.

Tanto .loc quanto .iloc aceitam dois argumentos: df.loc[row_selector, col_selector]. Isso permite uma seleção retangular precisa em uma única expressão. Um sinal de dois-pontos : sozinho seleciona todas as linhas ou todas as colunas. Esse padrão é essencial para extrair uma matriz de características com colunas específicas apenas para as linhas de treinamento de um conjunto de dados.

Quando você passa um único rótulo escalar para df.loc[label], o resultado é uma Series cujo índice contém os nomes das colunas. Isso é útil para inspecionar um registro específico. Para obter um DataFrame com uma única linha, envolva o rótulo em uma lista: df.loc[[label]]. Essa distinção é importante ao passar resultados para funções que esperam um DataFrame.

df.at[row_label, col_name] e df.iat[row_pos, col_pos] recuperam ou definem um único valor escalar com menos sobrecarga do que .loc/.iloc. Eles foram projetados para laços que atualizam células individuais. Em código de produção, prefira sempre operações vetorizadas a atualizações célula por célula, mas use at/iat quando realmente precisar iterar.

Indexação encadeada, como df['col'][condition] ou df[mask]['col'] = val, pode produzir um SettingWithCopyWarning porque o Pandas pode operar em uma cópia em vez do original. Use sempre uma única expressão .loc para qualquer modificação: df.loc[mask, 'col'] = val. Esse é o padrão correto e sem avisos.

Nesta lição, você aprendeu que: .loc seleciona linhas e colunas por rótulo, com limites finais inclusivos nas fatias, .iloc seleciona por posição inteira, com limites finais exclusivos como nas fatias do Python e condições booleanas aplicadas por meio de .loc filtram linhas sem o problema do SettingWithCopyWarning causado pela indexação encadeada. A seguir, adicionaremos novas colunas calculadas, renomearemos as existentes e removeremos colunas indesejadas com drop().