0Pricing
Python Academy · Aula

Fundamentos de Series e DataFrame

Crie e inspecione estruturas de dados do Pandas a partir de várias fontes.

Fundamentos de Series e DataFrame é uma aula grátis de Python Academy no CoddyKit. Esta é a aula 1 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.

O que é Pandas?

O Pandas fornece Series (array unidimensional rotulado) e DataFrame (tabela bidimensional rotulada) baseados no NumPy e otimizados para análise de dados.

import pandas as pd

s = pd.Series([10, 20, 30], index=["a","b","c"])
print(s)
# a    10
# b    20
# c    30

Criando uma Series

Crie uma Series a partir de uma lista, um dicionário ou um escalar. Por padrão, o índice usa inteiros começando em zero.

import pandas as pd

# From list:
s1 = pd.Series([1, 2, 3])

# From dict (keys become index):
s2 = pd.Series({"x": 10, "y": 20})

# Scalar (broadcast):
s3 = pd.Series(5, index=range(4))
print(s3)   # 0 5 / 1 5 / 2 5 / 3 5

Criando um DataFrame

Crie um DataFrame a partir de um dicionário de listas, de uma lista de dicionários ou de um array do NumPy.

import pandas as pd

df = pd.DataFrame({
    "name": ["Alice","Bob","Carol"],
    "age":  [30, 25, 35],
    "score":[95.5, 87.0, 92.3]
})
print(df)

Inspeção básica

head(), tail(), shape, dtypes, info(), describe() — seus primeiros passos com qualquer novo conjunto de dados.

import pandas as pd

df = pd.read_csv("data.csv")
print(df.head())       # first 5 rows
print(df.shape)        # (rows, cols)
print(df.dtypes)       # column types
print(df.describe())   # count, mean, std, min...

Acesso a colunas

Acesse uma coluna usando a notação de ponto ou colchetes. A notação de ponto falha quando os nomes das colunas contêm espaços ou entram em conflito com atributos do DataFrame.

import pandas as pd

df = pd.DataFrame({"age":[30,25], "city":["NY","LA"]})
print(df["age"])       # preferred
print(df.age)          # also works if name is simple
print(df[["age","city"]])  # multiple columns

Noções básicas de índice

O índice identifica as linhas. Por padrão, ele é 0, 1, 2..., mas pode ser definido como quaisquer valores que possam ser usados como hash.

import pandas as pd

df = pd.DataFrame({"val":[10,20,30]}, index=["a","b","c"])
print(df.loc["b"])     # row with label b
print(df.index)        # Index(['a','b','c'])

# Reset to default integer index:
df.reset_index(drop=True, inplace=True)

Adição e remoção de colunas

Atribua um valor a uma nova chave para adicionar uma coluna. Use drop() para remover uma.

import pandas as pd

df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]})
df["c"] = df["a"] + df["b"]   # new column
df.drop(columns=["b"], inplace=True)
print(df)

Alinhamento de Series

Ao combinar Series, o Pandas faz o alinhamento pelo índice. Correspondências ausentes produzem NaN.

import pandas as pd

s1 = pd.Series([1,2,3], index=["a","b","c"])
s2 = pd.Series([10,20], index=["b","c"])
print(s1 + s2)
# a     NaN
# b    12.0
# c    23.0

to_dict e to_list

Converta um DataFrame ou uma Series novamente em estruturas padrão do Python para exportação ou inspeção.

import pandas as pd

df = pd.DataFrame({"x":[1,2],"y":[3,4]})
print(df.to_dict("records"))
# [{'x': 1, 'y': 3}, {'x': 2, 'y': 4}]

print(df["x"].to_list())
# [1, 2]

Leitura de arquivos

O Pandas lê CSV, Excel, JSON, Parquet e SQL diretamente em DataFrames.

import pandas as pd

df_csv    = pd.read_csv("data.csv")
df_excel  = pd.read_excel("data.xlsx", sheet_name="Sheet1")
df_json   = pd.read_json("data.json")
df_parq   = pd.read_parquet("data.parquet")
# pd.read_sql("SELECT * FROM table", conn)

Gravação de arquivos

Exporte DataFrames para CSV, Excel, JSON e Parquet.

import pandas as pd

df = pd.DataFrame({"a":[1,2],"b":[3,4]})
df.to_csv("out.csv", index=False)
df.to_json("out.json", orient="records")
df.to_parquet("out.parquet")

Verificação rápida

O que df.describe() retorna?

Recapitulação

Uma Series é uma matriz rotulada unidimensional; um DataFrame é uma tabela rotulada bidimensional. Acesse as colunas com df["col"]. Use head(), describe(), info() para uma inspeção rápida. Leia e grave arquivos CSV, Excel, JSON e Parquet com funções integradas.

Perguntas Frequentes

A aula “Fundamentos de Series e DataFrame” é grátis?

Sim — o texto completo de “Fundamentos de Series e DataFrame” 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 “Fundamentos de Series e DataFrame”?

Crie e inspecione estruturas de dados do Pandas a partir de várias fontes. 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 1 de 4.

Quanto tempo leva a aula “Fundamentos de Series e DataFrame”?

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

  1. Fundamentos de Series e DataFrame
  2. Indexação, filtragem e máscaras booleanas
  3. GroupBy, agregação e tabelas dinâmicas
  4. Mesclagem, junção e limpeza de dados
← Voltar para Python Academy