Carregue os dados e organize-os
Leia arquivos CSV com pandas, inspecione o formato deles e transforme tabelas bagunçadas em tabelas organizadas (tidy).
- Carregar um CSV num DataFrame do pandas e inspecioná-lo
- Aplicar as três regras dos dados organizados (tidy data)
- Transformar uma tabela larga numa longa com melt
O pandas é a ferramenta padrão do Python para tabelas. Um DataFrame é uma tabela com colunas nomeadas; cada coluna é uma Series. As primeiras coisas a fazer com qualquer conjunto de dados novo:
1import pandas as pd
2trips = pd.read_csv("trips.csv")
3trips.shape # (rows, columns)
4trips.head() # first five rows
5trips.dtypes # the type of each column
6trips.isna().sum() # missing values per column
7trips.describe() # summary statisticsO código aqui roda no seu navegador: o primeiro programa que importa o pandas faz o download dele, o que leva alguns segundos.
1import io
2import pandas as pd
3csv_text = """trip_id,minutes,mode
41,12,bus
52,18,walk
63,9,bus"""
7trips = pd.read_csv(io.StringIO(csv_text))
8print(trips.shape)
9print(trips["minutes"].mean())
10print(trips["mode"].value_counts().to_dict())(3, 3)
13.0
{'bus': 2, 'walk': 1}Dados organizados (tidy data)
O artigo “Tidy Data” (2014), de Hadley Wickham, definiu um formato-alvo simples que facilita a análise:
- Cada variável é uma coluna.
- Cada observação é uma linha.
- Cada tipo de unidade observacional é uma tabela.
As planilhas costumam ser “largas”: uma coluna por ano, digamos. Isso quebra a regra 1 - o ano é uma variável escondida nos nomes das colunas. pd.melt transforma o formato largo em longo (tidy); pivot faz o caminho inverso para exibição.
Experimente
Até 15 XPOrganizada ou bagunçada?
Cada formato de tabela está organizado? Se não, que regra ele quebra?
“city | 2024 | 2025 | 2026 (passageiros em cada coluna de ano)”
“city | year | riders”
“station | "lat,lon" numa única coluna de texto”
“linhas de viagens misturadas com linhas de endereços de estações numa mesma planilha”
“trip_id | start_time | minutes | member_type”
Principais conclusões
Comece todo conjunto de dados com shape, head, os tipos, os valores ausentes e describe().
Organizado: variáveis nas colunas, observações nas linhas, uma unidade por tabela.
pd.melt transforma tabelas largas em longas; pivot faz o inverso.
Quiz da aula
5 perguntas · aprovação com 4 acertos · até 50 XP
Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.
Pratique: escreva código em Python
Escreva código Python no editor e execute os testes com exemplos. O Python roda localmente no navegador usando WebAssembly.
Primeiro olhar sobre um conjunto de dados
Leia o CSV da entrada padrão com pandas e imprima:
1R rows, C columns
2columns: a, b, c
3missing: col=n, col=n (columns with missing values, in column order; or "missing: none")
4mean minutes: X (1 decimal, ignoring missing values)Na linha missing, liste as colunas com valores ausentes, na ordem das colunas (ou missing: none). Em mean minutes, use 1 casa decimal e ignore os valores ausentes.
- Lacunas em duas colunas
- Dados completos
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Use melt numa tabela larga
Leia um CSV largo (uma coluna city mais uma coluna por ano) e transforme-o com melt em city, year, riders. Ordene por cidade e depois por ano, e imprima cada linha como city year riders.
- Duas cidades, dois anos
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Dúvidas sobre esta lição
Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.
Carregando publicações…