Mesclagem, junção e limpeza de dados
Combine DataFrames e trate valores ausentes profissionalmente.
Mesclagem, junção e limpeza de dados é uma aula grátis de Python Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Python Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Python Academy inclui 4 aulas no total.
pd.merge
pd.merge(left, right, on="key") faz a junção de dois DataFrames por uma coluna comum — de forma semelhante ao JOIN do SQL.
import pandas as pd
users = pd.DataFrame({"id":[1,2,3],"name":["A","B","C"]})
orders = pd.DataFrame({"user_id":[1,1,2],"amount":[100,50,200]})
result = pd.merge(users, orders, left_on="id", right_on="user_id")
print(result)Tipos de junção
Especifique how="inner" (padrão), "left", "right" ou "outer" para controlar quais linhas são mantidas.
import pandas as pd
A = pd.DataFrame({"key":["a","b","c"],"val":[1,2,3]})
B = pd.DataFrame({"key":["b","c","d"],"x":[10,20,30]})
print(pd.merge(A, B, on="key", how="left")) # all of A
print(pd.merge(A, B, on="key", how="outer")) # all rowsdf.join
df.join(other) faz a junção pelo índice. É mais rápido e simples quando a junção é feita pelo índice, e não por uma coluna.
import pandas as pd
df1 = pd.DataFrame({"a":[1,2]}, index=["x","y"])
df2 = pd.DataFrame({"b":[3,4]}, index=["x","y"])
print(df1.join(df2))
# x: a=1 b=3
# y: a=2 b=4concat
pd.concat([df1, df2]) empilha DataFrames verticalmente (axis=0) ou horizontalmente (axis=1).
import pandas as pd
df1 = pd.DataFrame({"a":[1,2]})
df2 = pd.DataFrame({"a":[3,4]})
print(pd.concat([df1,df2], ignore_index=True))
# a: 1 2 3 4
# Horizontal:
df3 = pd.DataFrame({"b":[5,6]})
print(pd.concat([df1,df3], axis=1))Como lidar com valores ausentes
Detecte NaN com isna()/notna(). Preencha com fillna(). Remova com dropna().
import pandas as pd, numpy as np
df = pd.DataFrame({"a":[1,np.nan,3],"b":[np.nan,2,3]})
print(df.isna().sum()) # count nulls per column
df["a"] = df["a"].fillna(0)
df = df.dropna() # drop rows with any nullEstratégias de fillna
Preencha valores ausentes com uma constante, com preenchimento para frente (ffill), com preenchimento para trás (bfill) ou com a média da coluna.
import pandas as pd, numpy as np
df = pd.DataFrame({"val":[1, np.nan, np.nan, 4]})
print(df["val"].ffill()) # forward fill: 1 1 1 4
print(df["val"].bfill()) # back fill: 1 4 4 4
print(df["val"].fillna(df["val"].mean())) # fill with meanAlteração de tipos de dados
Use astype() para converter os tipos das colunas. Use pd.to_datetime() para analisar datas e pd.to_numeric com errors="coerce" para uma conversão numérica segura.
import pandas as pd
df = pd.DataFrame({"age":["25","30","35"],"date":["2024-01-01","2024-06-15","2024-12-31"]})
df["age"] = df["age"].astype(int)
df["date"] = pd.to_datetime(df["date"])
print(df.dtypes)Limpeza de cadeias de caracteres
O acessador .str do Pandas fornece operações vetorizadas para cadeias de caracteres: strip(), lower(), replace(), extract().
import pandas as pd
df = pd.DataFrame({"name":[" Alice "," bob","CAROL"]})
df["clean"] = df["name"].str.strip().str.title()
print(df["clean"]) # Alice / Bob / CarolRenomeação e reordenação de colunas
Renomeie com df.rename(columns={"old":"new"}). Reordene indexando com uma lista.
import pandas as pd
df = pd.DataFrame({"a":[1],"b":[2],"c":[3]})
df = df.rename(columns={"a":"alpha","b":"beta"})
df = df[["c","beta","alpha"]] # reorder
print(df.columns.tolist()) # ['c', 'beta', 'alpha']Detecção de duplicatas
Encontre duplicatas com duplicated() e remova-as com drop_duplicates().
import pandas as pd
df = pd.DataFrame({"id":[1,2,1,3],"val":["a","b","a","c"]})
print(df.duplicated()) # [F F T F]
print(df[df.duplicated()]) # show duplicates
clean = df.drop_duplicates(subset=["id"])apply para transformações de linhas/colunas
df.apply(func, axis=1) aplica uma função a cada linha. axis=0 aplica a função a cada coluna.
import pandas as pd
df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]})
# New column = row sum:
df["total"] = df.apply(lambda row: row["a"] + row["b"], axis=1)
print(df)Verificação rápida
O que df.fillna(method="ffill") faz?
Recapitulação
Use pd.merge para junções no estilo SQL e pd.concat para empilhar dados. Lide com NaN usando isna(), fillna() e dropna(). Limpe cadeias de caracteres com o acessador .str. Converta tipos com astype() e pd.to_datetime().
Perguntas Frequentes
A aula “Mesclagem, junção e limpeza de dados” é grátis?
Sim — o texto completo de “Mesclagem, junção e limpeza de dados” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Python Academy, atualize para CoddyKit PRO. O curso de Python Academy inclui 4 aulas no total.
O que vou aprender em “Mesclagem, junção e limpeza de dados”?
Combine DataFrames e trate valores ausentes profissionalmente. Você pratica Python Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Python Academy?
Nenhuma experiência prévia é necessária. Python Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Mesclagem, junção e limpeza de dados”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Python Academy?
Sim. Cada aula de Python Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Fundamentos de Series e DataFrame
- Indexação, filtragem e máscaras booleanas
- GroupBy, agregação e tabelas dinâmicas
- Mesclagem, junção e limpeza de dados