pandas: Series e DataFrame
numpy é ótimo para números, mas dados reais têm colunas rotuladas de tipos mistos: nomes, datas, preços. É para isso que o pandas serve. Seu objeto principal é o DataFrame: uma tabela com colunas nomeadas e um índice para as linhas.
A maneira mais fácil de construir um é a partir de um dicionário, onde cada chave é o nome de uma coluna e cada valor é uma lista de células:
import pandas as pd
df = pd.DataFrame({
"name": ["Ada", "Bo", "Cy"],
"age": [30, 25, 35],
"city": ["NYC", "LA", "NYC"],
})
print(df)Alguns essenciais para avaliar qualquer tabela:
print(df.shape) # (3, 3) rows, columns
print(df.columns) # Index(['name', 'age', 'city'], ...)
print(df.head(2)) # the first 2 rows
print(df.dtypes) # the type of each columnuma coluna única é uma Series (um array 1D rotulado). Pegue uma com a notação de colchetes:
ages = df["age"]
print(ages.mean()) # 30.0
print(ages.max()) # 35df.shape é uma tupla (n_rows, n_cols), então df.shape[0] é a contagem de linhas.
Crie um DataFrame df a partir deste dicionário: {"name": ["Ada", "Bo", "Cy", "Di"], "score": [88, 72, 95, 60]}. Salve o número de linhas em n_rows (use df.shape). Depois, salve a média da coluna score em avg_score.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.