DataFrames

Criando DataFrames

import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})

Inspeção

df.head(n)	Primeiras n linhas (padrão 5)
df.tail(n)	Últimas n linhas
df.shape	Tupla de (linhas, colunas)
df.dtypes	Tipo de dado de cada coluna
df.info()	Tipos de coluna, contagens não nulas
df.describe()	Estatísticas para colunas numéricas
df.columns	Nomes das colunas como Index
df.index	Rótulos das linhas

Leitura de Dados

Leitores Comuns

df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)

Escrita de Dados

df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")

Opções de Leitura

sep=";"	Delimitador personalizado
header=None	Sem linha de cabeçalho no arquivo
usecols=[0,2]	Ler apenas colunas específicas
nrows=100	Ler as primeiras 100 linhas
na_values=["N/A"]	Tratar como NaN

Seleção

Colunas

df["name"]              # single column (Series)
df[["name", "age"]]     # multiple columns (DataFrame)
df.name                 # attribute access (simple names)

Linhas com loc / iloc

df.loc[0]              # row by label
df.loc[0:2, "name"]    # rows 0-2, column "name"
df.iloc[0]             # row by position
df.iloc[0:2, 0:2]     # first 2 rows, 2 cols

loc vs iloc

df.loc[row, col]	Selecionar por rótulo (fim inclusivo)
df.iloc[row, col]	Selecionar por posição (fim exclusivo)
df.at[row, col]	Acesso escalar rápido por rótulo
df.iat[row, col]	Acesso escalar rápido por posição

Filtragem

Filtragem Booleana

df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]

Tratamento de Dados Ausentes

df.isna().sum()          # NaN count per column
df.dropna()              # drop rows with any NaN
df.fillna(0)             # fill NaN with 0
df["col"].fillna(df["col"].mean())

Ordenação

df.sort_values("age")                # ascending
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # multi

Agregação

Agregações Comuns

df["col"].sum()	Soma da coluna
df["col"].mean()	Média
df["col"].median()	Mediana
df["col"].std()	Desvio padrão
df["col"].min() / .max()	Mínimo / máximo
df["col"].count()	Contagem de não nulos
df["col"].nunique()	Número de valores únicos
df["col"].value_counts()	Frequência de cada valor

Múltiplas Agregações

df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # summary stats for all numeric

GroupBy

Agrupamento Básico

df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)

Múltiplos Grupos

df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # rows per group

Transform e Apply

df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))

Mesclagem

Merge (Join estilo SQL)

pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")

Tipos de Join

how="inner"	Manter apenas linhas correspondentes (padrão)
how="left"	Manter todas as linhas esquerdas, NaN para sem correspondência
how="right"	Manter todas as linhas direitas
how="outer"	Manter todas as linhas de ambos os lados

Concatenação

pd.concat([df1, df2])             # stack rows
pd.concat([df1, df2], axis=1)     # side by side
pd.concat([df1, df2], ignore_index=True)

Tabelas Dinâmicas

Tabela Dinâmica

df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)

Reformatação

df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")

Tabulação Cruzada

pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # row percentages

Série Temporal

Noções Básicas de DateTime

df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()

Intervalos de Data e Reamostragem

pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()

Atributos do Accessor

.dt.year / .dt.month / .dt.day	Extrair componentes de data
.dt.hour / .dt.minute	Extrair componentes de hora
.dt.day_name()	Nome do dia da semana (Segunda, etc.)
.dt.days_in_month	Dias naquele mês

Padrões Comuns

Renomear Colunas

df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # replace all

Adicionar / Modificar Colunas

df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)

Remover Colunas / Linhas

df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)

Operações com Strings

df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # first name

REFERÊNCIA RÁPIDA DE PANDAS