# Referência Rápida de pandas

*DataFrames, seleção, agregação, mesclagem e mais*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrames

### Criando DataFrames

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

### Inspeção

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `.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
```