Tutoriais Pandas

Olá! Bem-vindo ao LabEx! Neste primeiro laboratório, você aprenderá o clássico programa 'Olá, Mundo!' em Pandas.

Neste laboratório, aprenderemos como lidar com dados ausentes no pandas, um problema comum na análise de dados. Abordaremos como identificar dados ausentes, preencher valores ausentes e remover dados desnecessários. Também discutiremos o escalar NA experimental no pandas, que pode ser usado para denotar valores ausentes.

Neste laboratório, exploraremos como manipular dados textuais usando a biblioteca Pandas do Python. Você aprenderá como converter caracteres de string para minúsculas, extrair partes de strings, substituir valores de string e muito mais, usando vários métodos embutidos do Pandas.

Neste laboratório, exploraremos como usar o tipo de dado inteiro anulável em pandas, que é uma maneira eficiente de lidar com dados inteiros que podem conter valores ausentes. Aprenderemos como construir arrays com este tipo de dado, realizar operações e lidar com valores ausentes de forma eficaz.

Neste laboratório, apresentaremos os fundamentos do pandas, uma poderosa biblioteca de manipulação de dados em Python. Vamos guiá-lo por várias tarefas, como importar pandas, criar e visualizar dados, seleção de dados, operações e muito mais.

Este laboratório irá guiá-lo através da manipulação de dados de séries temporais usando o pacote Python, Pandas. Estaremos trabalhando com dados de qualidade do ar para este tutorial. Você aprenderá como converter strings em objetos datetime, realizar operações nesses objetos datetime, reamostrar séries temporais para outra frequência e muito mais.

Neste laboratório, trabalharemos com dados de qualidade do ar para explorar como combinar múltiplas tabelas usando a biblioteca Pandas do Python. Usaremos as funções concat e merge para realizar essas operações. Este laboratório ajudará você a entender como concatenar e juntar data frames de forma eficaz.

Neste laboratório, exploraremos como remodelar dados em pandas usando várias funções como sort_values, pivot, pivot_table e melt. Trabalharemos com os conjuntos de dados Titanic e Qualidade do Ar para demonstrar as técnicas de remodelação.

Neste laboratório, aprenderemos como usar a biblioteca Pandas do Python para calcular estatísticas de resumo para dados. Usaremos o conjunto de dados do Titanic, que contém dados sobre passageiros do naufrágio do Titanic. Aprenderemos como calcular estatísticas de resumo, agregar estatísticas e contar o número de registros por categoria.

Pandas é uma poderosa ferramenta de manipulação de dados desenvolvida em Python. É frequentemente utilizada em análise e limpeza de dados por ser flexível e fácil de usar. Neste laboratório, aprenderemos como usar Pandas para realizar operações básicas, como carregar dados, criar dataframes, acessar dados e realizar estatísticas simples.

Neste laboratório, aprenderemos como trabalhar com colunas no Pandas. Exploraremos como criar novas colunas derivadas de colunas existentes, aplicar operações matemáticas e lógicas em colunas, renomear rótulos de colunas e realizar operações por coluna usando o método apply.

Neste laboratório, aprenderemos como criar gráficos usando Pandas, uma poderosa biblioteca de manipulação de dados em Python. Usaremos dados reais de qualidade do ar para ilustrações práticas. Ao final deste laboratório, você deverá ser capaz de usar Pandas para criar gráficos de linhas, gráficos de dispersão, box plots e personalizar seus gráficos.

Neste laboratório, vamos aprender como selecionar dados específicos de um DataFrame usando Pandas, uma popular biblioteca de análise e manipulação de dados em Python. Usaremos o conjunto de dados do Titanic para este tutorial.

Este laboratório irá guiá-lo sobre como ler, escrever e manipular dados usando Pandas, uma poderosa biblioteca de análise e manipulação de dados para Python. Usaremos um conjunto de dados do naufrágio do Titanic para este exercício.

Neste laboratório, exploraremos o tipo de dado Booleano Nulo, fornecido pela biblioteca Pandas em Python. Aprenderemos como usar esse recurso em indexação e operações lógicas, e como ele difere das operações booleanas tradicionais devido à presença de valores 'NA'.

Este laboratório fornece um guia passo a passo sobre como entender e implementar o conceito de Copy-On-Write (CoW) em Python Pandas. CoW é uma estratégia de otimização que melhora o desempenho e o uso da memória, atrasando as cópias o máximo possível. Também ajuda a evitar modificações acidentais de mais de um objeto.

Pandas é uma poderosa biblioteca Python para manipulação e análise de dados. Suas estruturas de dados fundamentais, Series e DataFrame, permitem armazenar e manipular dados estruturados. Este laboratório fornecerá um guia passo a passo sobre como trabalhar com essas estruturas de dados, desde a criação até a manipulação e alinhamento.

Neste laboratório, aprenderemos como lidar com rótulos duplicados em pandas. Pandas é uma poderosa biblioteca de manipulação de dados em Python. Frequentemente, encontramos dados com rótulos de linha ou coluna duplicados, e é crucial entender como detectar e lidar com essas duplicatas.