Estrutura e Tipos de Dados em Python

Manipulação de DataFrames em Python usando Pandas, incluindo seleção de linhas e colunas, filtragem de dados e tratamento de valores ausentes.

Neste tutorial, vamos explorar como trabalhar com estruturas de dados tabulares em Python usando a biblioteca Pandas. Utilizaremos o dataset de [pinguins de Palmer](https://allisonhorst.github.io/palmerpenguins/index.html}{target=“_blank”} como exemplo prático.

Código em Python

Acompanha este tutorial o Tipos de dados em Python

1 Pacotes necessários

import pandas as pd
# pip install palmerpenguins
from palmerpenguins import load_penguins

Instalação de palmerpenguins

O dataset palmerpenguins pode ser instalado com: pip install palmerpenguins

2 Carregando os dados

penguins = load_penguins()

3 Explorando a estrutura dos dados

3.1 Dimensões do DataFrame

penguins.shape  # (número de linhas, número de colunas)

(344, 8)

3.2 Primeiras observações

penguins.head()  # Mostra as primeiras 5 linhas

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	male	2007
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	female	2007
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	female	2007
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	2007
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	female	2007

3.3 Tipos de dados

penguins.dtypes  # Mostra o tipo de cada coluna

species               object
island                object
bill_length_mm       float64
bill_depth_mm        float64
flipper_length_mm    float64
body_mass_g          float64
sex                   object
year                   int64
dtype: object

4 Selecionando colunas

4.1 Seleção de uma coluna

penguins['species']  # Retorna uma Series

0         Adelie
1         Adelie
2         Adelie
3         Adelie
4         Adelie
         ...    
339    Chinstrap
340    Chinstrap
341    Chinstrap
342    Chinstrap
343    Chinstrap
Name: species, Length: 344, dtype: object

4.2 Seleção de múltiplas colunas

penguins[['species', 'island', 'body_mass_g']]  # Retorna um DataFrame

	species	island	body_mass_g
0	Adelie	Torgersen	3750.0
1	Adelie	Torgersen	3800.0
2	Adelie	Torgersen	3250.0
3	Adelie	Torgersen	NaN
4	Adelie	Torgersen	3450.0
...	...	...	...
339	Chinstrap	Dream	4000.0
340	Chinstrap	Dream	3400.0
341	Chinstrap	Dream	3775.0
342	Chinstrap	Dream	4100.0
343	Chinstrap	Dream	3775.0

344 rows × 3 columns

Dica

Diferença importante:
- df['coluna'] retorna uma Series (uma dimensão)
- df[['coluna']] retorna um DataFrame (duas dimensões)

5 Selecionando linhas

5.1 Seleção por índice numérico

penguins.iloc[0]     # Primeira linha (índice 0)
penguins.iloc[10]    # 11ª linha (índice 10)

species                 Adelie
island               Torgersen
bill_length_mm            37.8
bill_depth_mm             17.1
flipper_length_mm        186.0
body_mass_g             3300.0
sex                        NaN
year                      2007
Name: 10, dtype: object

5.2 Seleção de múltiplas linhas

penguins.iloc[0:5]   # Linhas 0 a 4 (5 não incluído)

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	male	2007
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	female	2007
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	female	2007
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	2007
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	female	2007

6 Seleção combinada: linhas e colunas

penguins.iloc[0:5, 0:3]  # Linhas 0-4, colunas 0-2

	species	island	bill_length_mm
0	Adelie	Torgersen	39.1
1	Adelie	Torgersen	39.5
2	Adelie	Torgersen	40.3
3	Adelie	Torgersen	NaN
4	Adelie	Torgersen	36.7

Nota

Indexação em Python:
- Índices começam em 0
- Intervalos [inicio:fim] não incluem o valor fim
- 0:5 significa índices 0, 1, 2, 3, 4

7 Filtragem de dados

7.1 Filtro simples

filtro = penguins['species'] == 'Adelie'
filtro  # Retorna uma Series de True/False

0       True
1       True
2       True
3       True
4       True
       ...  
339    False
340    False
341    False
342    False
343    False
Name: species, Length: 344, dtype: bool

penguins[filtro]  # Retorna apenas as linhas onde filtro é True

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	male	2007
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	female	2007
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	female	2007
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	2007
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	female	2007
...	...	...	...	...	...	...	...	...
147	Adelie	Dream	36.6	18.4	184.0	3475.0	female	2009
148	Adelie	Dream	36.0	17.8	195.0	3450.0	female	2009
149	Adelie	Dream	37.8	18.1	193.0	3750.0	male	2009
150	Adelie	Dream	36.0	17.1	187.0	3700.0	female	2009
151	Adelie	Dream	41.5	18.5	201.0	4000.0	male	2009

152 rows × 8 columns

7.2 Múltiplas condições

Para combinar condições, usamos operadores lógicos:

& para E (AND)
| para OU (OR)
~ para NÃO (NOT)

filtro2 = (penguins['species'] == 'Adelie') & (penguins['island'] == 'Torgersen')
filtro2

0       True
1       True
2       True
3       True
4       True
       ...  
339    False
340    False
341    False
342    False
343    False
Length: 344, dtype: bool

penguins[filtro2]

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	male	2007
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	female	2007
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	female	2007
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	2007
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	female	2007
5	Adelie	Torgersen	39.3	20.6	190.0	3650.0	male	2007
6	Adelie	Torgersen	38.9	17.8	181.0	3625.0	female	2007
7	Adelie	Torgersen	39.2	19.6	195.0	4675.0	male	2007
8	Adelie	Torgersen	34.1	18.1	193.0	3475.0	NaN	2007
9	Adelie	Torgersen	42.0	20.2	190.0	4250.0	NaN	2007
10	Adelie	Torgersen	37.8	17.1	186.0	3300.0	NaN	2007
11	Adelie	Torgersen	37.8	17.3	180.0	3700.0	NaN	2007
12	Adelie	Torgersen	41.1	17.6	182.0	3200.0	female	2007
13	Adelie	Torgersen	38.6	21.2	191.0	3800.0	male	2007
14	Adelie	Torgersen	34.6	21.1	198.0	4400.0	male	2007
15	Adelie	Torgersen	36.6	17.8	185.0	3700.0	female	2007
16	Adelie	Torgersen	38.7	19.0	195.0	3450.0	female	2007
17	Adelie	Torgersen	42.5	20.7	197.0	4500.0	male	2007
18	Adelie	Torgersen	34.4	18.4	184.0	3325.0	female	2007
19	Adelie	Torgersen	46.0	21.5	194.0	4200.0	male	2007
68	Adelie	Torgersen	35.9	16.6	190.0	3050.0	female	2008
69	Adelie	Torgersen	41.8	19.4	198.0	4450.0	male	2008
70	Adelie	Torgersen	33.5	19.0	190.0	3600.0	female	2008
71	Adelie	Torgersen	39.7	18.4	190.0	3900.0	male	2008
72	Adelie	Torgersen	39.6	17.2	196.0	3550.0	female	2008
73	Adelie	Torgersen	45.8	18.9	197.0	4150.0	male	2008
74	Adelie	Torgersen	35.5	17.5	190.0	3700.0	female	2008
75	Adelie	Torgersen	42.8	18.5	195.0	4250.0	male	2008
76	Adelie	Torgersen	40.9	16.8	191.0	3700.0	female	2008
77	Adelie	Torgersen	37.2	19.4	184.0	3900.0	male	2008
78	Adelie	Torgersen	36.2	16.1	187.0	3550.0	female	2008
79	Adelie	Torgersen	42.1	19.1	195.0	4000.0	male	2008
80	Adelie	Torgersen	34.6	17.2	189.0	3200.0	female	2008
81	Adelie	Torgersen	42.9	17.6	196.0	4700.0	male	2008
82	Adelie	Torgersen	36.7	18.8	187.0	3800.0	female	2008
83	Adelie	Torgersen	35.1	19.4	193.0	4200.0	male	2008
116	Adelie	Torgersen	38.6	17.0	188.0	2900.0	female	2009
117	Adelie	Torgersen	37.3	20.5	199.0	3775.0	male	2009
118	Adelie	Torgersen	35.7	17.0	189.0	3350.0	female	2009
119	Adelie	Torgersen	41.1	18.6	189.0	3325.0	male	2009
120	Adelie	Torgersen	36.2	17.2	187.0	3150.0	female	2009
121	Adelie	Torgersen	37.7	19.8	198.0	3500.0	male	2009
122	Adelie	Torgersen	40.2	17.0	176.0	3450.0	female	2009
123	Adelie	Torgersen	41.4	18.5	202.0	3875.0	male	2009
124	Adelie	Torgersen	35.2	15.9	186.0	3050.0	female	2009
125	Adelie	Torgersen	40.6	19.0	199.0	4000.0	male	2009
126	Adelie	Torgersen	38.8	17.6	191.0	3275.0	female	2009
127	Adelie	Torgersen	41.5	18.3	195.0	4300.0	male	2009
128	Adelie	Torgersen	39.0	17.1	191.0	3050.0	female	2009
129	Adelie	Torgersen	44.1	18.0	210.0	4000.0	male	2009
130	Adelie	Torgersen	38.5	17.9	190.0	3325.0	female	2009
131	Adelie	Torgersen	43.1	19.2	197.0	3500.0	male	2009

penguins[filtro2].shape  # Quantas linhas atendem aos critérios

(52, 8)

Aviso

Parênteses são obrigatórios ao combinar condições:
- ✅ (condição1) & (condição2)
- ❌ condição1 & condição2

8 Tratando dados ausentes

8.1 Identificando valores ausentes

penguins.isnull().sum(axis=1)  # Valores ausentes por linha

0      0
1      0
2      0
3      5
4      0
      ..
339    0
340    0
341    0
342    0
343    0
Length: 344, dtype: int64

penguins.isnull().sum(axis=0)  # Valores ausentes por coluna

species               0
island                0
bill_length_mm        2
bill_depth_mm         2
flipper_length_mm     2
body_mass_g           2
sex                  11
year                  0
dtype: int64

8.2 Removendo valores ausentes

penguins2 = penguins.dropna()  # Remove todas as linhas com valores ausentes
penguins2.isnull().sum(axis=0)  # Verifica se ainda há valores ausentes

species              0
island               0
bill_length_mm       0
bill_depth_mm        0
flipper_length_mm    0
body_mass_g          0
sex                  0
year                 0
dtype: int64

9 Métodos úteis para exploração

9.1 Informações gerais

penguins.info()          # Informações gerais sobre o DataFrame
penguins.describe()      # Estatísticas descritivas para colunas numéricas
penguins['species'].unique()        # Valores únicos em uma coluna
penguins['species'].value_counts()  # Contagem de cada valor único

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 344 entries, 0 to 343
Data columns (total 8 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   species            344 non-null    object 
 1   island             344 non-null    object 
 2   bill_length_mm     342 non-null    float64
 3   bill_depth_mm      342 non-null    float64
 4   flipper_length_mm  342 non-null    float64
 5   body_mass_g        342 non-null    float64
 6   sex                333 non-null    object 
 7   year               344 non-null    int64  
dtypes: float64(4), int64(1), object(3)
memory usage: 21.6+ KB

species
Adelie       152
Gentoo       124
Chinstrap     68
Name: count, dtype: int64

9.2 Verificação de dados

penguins.shape           # Dimensões
penguins.columns         # Nomes das colunas
penguins.index           # Índices das linhas

RangeIndex(start=0, stop=344, step=1)

10 Exemplos práticos

10.1 Filtros complexos

# Pinguins Adelie com massa corporal > 4000g
filtro_complexo = (penguins['species'] == 'Adelie') & (penguins['body_mass_g'] > 4000)
penguins_grandes = penguins[filtro_complexo]
print(f"Encontrados {len(penguins_grandes)} pinguins Adelie com massa > 4000g")

Encontrados 35 pinguins Adelie com massa > 4000g

10.2 Seleção específica

# Primeiros 10 pinguins, apenas espécie e massa corporal
penguins.iloc[0:10][['species', 'body_mass_g']]

	species	body_mass_g
0	Adelie	3750.0
1	Adelie	3800.0
2	Adelie	3250.0
3	Adelie	NaN
4	Adelie	3450.0
5	Adelie	3650.0
6	Adelie	3625.0
7	Adelie	4675.0
8	Adelie	3475.0
9	Adelie	4250.0

10.3 Combinando operações

# Pinguins da ilha Biscoe, removendo valores ausentes, apenas colunas numéricas
resultado = (penguins[penguins['island'] == 'Biscoe']
            .dropna()
            [['bill_length_mm', 'bill_depth_mm', 'flipper_length_mm', 'body_mass_g']])
resultado.shape

(163, 4)