Python_to_Data_Science.mdown

Aula de Python para Ciência de Dados

Primeiros comandos úteis

Mostrar as 5 primeiras linhas da planilha

print(data.head())

Mostrar a quantidade de linhas e colunas do arquivo

print(data.shape)

Mostrar o nome das colunas do arquivo

print(data.columns)

Mostrar o conjunto de dados do arquivo, ordenados pela coluna 'price'

print(data[['id','price']].sort_values('price'))

Mostrar o conjunto de dados do arquivo, ordenados pela coluna 'price' do maior ao menor

print(data[['id','price']].sort_values('price', ascending=False))

Mostrar o conjunto de dados do arquivo, ordenados pela coluna 'bedrooms' do maior ao menor

print(data[['id','bedrooms']].sort_values('bedrooms', ascending=False))

Função que converte de "object" (string) para "date" (pois a pandas reconhece datas como objetos por padrão)

data['date'] = pandas.to_datetime(data['date'])

Mostrar os tipos de variaveis em cada coluna

print(data.dtypes)

Converter o tipo de uma variável

1. object -> date (igual ao 6)

data['date'] = data['date'].astype(datetime64)

2. integer -> float

data['bedrooms'] = data['bedrooms'].astype(float)

3. float -> integer

data['bedrooms'] = data['bedrooms'].astype(int64)

Note: int64 significa que os tipos das variáveis estão, e devem estar, em 64 bits. Caso seja 32 bits (int32, float32), todos devem ser em 32 bits, pois 64 e 32 não são comparáveis.

4. integer -> string

data['bedrooms'] = data['bedrooms'].astype(str)

Note: strings são considerados obejcts.

5. string -> integer

data['bedrooms'] = data['bedrooms'].astype(int64)

6. string -> date

data['date'] = pandas.to_datetime(data['date'])

PARA VISUALIZAÇÃO!

print(data.dtypes)

print(data.head())

Manipulando variáveis

1. Criar

Utiliza-se o operador "=" (igual) para atribuir valor a uma variável.

Ex:

data = pandas.read_csv ('Projeto_DS_1/datasets/kc_house_data.csv')

Note: Leu o arquivo e guardou-o na variável "data".

Ex2: criando colunas na planilha de dados do arquivo

data['meu_nome'] = "Paulo"

data['Idade'] = 27

data['Data_de_Nascimento'] = pandas.to_datetime('1995-10-25')

Note: pode-se converter de object para date depois, ou converter no ato, como no exemplo.

Ex3: criando variável contendo uma lista

col_creat = ['meu_nome', 'Idade', 'Data_de_Nascimento']

Note: cria a lista ... e armazena ela na variável col_creat.

print(data[['id','date', 'meu_nome', 'Idade', 'Data_de_Nascimento']].head())

Note: mostra as colunas indicadas (id, date, meu_nome...)

PARA VISUALIZAÇÃO!

print(data.dtypes)

print(data.columns)

2. Deletar

Utiliza-se "drop" para apagar. Essa função exige um eixo (axis), que significa apagar em direção às colunas, ou em direção às linhas.

Ex:

print(data.columns)

data = data.drop(['meu_nome', 'Idade', 'Data_de_Nascimento'], axis=1)

Note: é necessário atribuir novamente o valor à variável data, após apagar as colunas, por isso o "data =" no começo. Também é possível atribuir a uma nova planilha "data2 =".

PARA VISUALIZAÇÃO!

print(data.columns)

3. Selecionar

3.1 Selecionar pelo nome das colunas

Ex:

print(data[['id','price', 'bedrooms']])

Note: "print" serve apenas para mostrar o resultado.

ou

criar variável com lista antes.

cols = ['id','price', 'bedrooms']

selecionar a lista.

print(data[cols])

3.2 Selecionar pelos índices (index) das linhas e das colunas

Forma -> iloc[intervalo de linhas, intervalo de colunas]

Ex:

print(data.iloc[0:5, 0:3])

3.3 Selecionar pelos índices das linhas e pelo nome das colunas

Forma -> loc[intervalo de linhas, nome da coluna/lista]

Ex:

print(data.loc[0:4, ['id','price', 'bedrooms']])

ou

cols = ['id','price', 'bedrooms']

print(data.loc[0:4, cols])

3.4 Selecionar pelos índices booleanos (True, False)

Forma -> precisa ser uma lista de True e False, na mesma quantidade de colunas.

Ex:

cols = [True, False, True, True, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False ]

print(data.loc[0:4, cols])