HUICODE ACADEMY

Ao trabalhar com dados no Pandas, realizamos uma vasta gama de operações nos dados para obter os dados no formato desejado. Uma dessas operações pode ser a necessidade de criar novas colunas no DataFrame com base no resultado de algumas operações nas colunas existentes no DataFrame.  Questão: Dado um Dataframe contendo dados sobre os preços de produtos, desenvolver uma coluna para trazer os preços com descontos aplicados. Todos os preços terão descontos de 50%. Agora, vamos criar uma nova coluna chamada 'Valor_com_desconto' após aplicar um desconto de 50% na coluna 'Valor_produto'. # importando a biblioteca de pandas import pandas as pd # Criando a tabela que vai armazenar os produtos   tabela = { 'Nome do produto' : [ 'Arroz' , 'Feijão' , 'Batata' , 'Victor' ],             'Valor_produto' : [ 15 , 23 , 25 , 9 ]}   df = pd . DataFrame ( tabela , columns = [ 'Nome do produto' , 'Valor_produto' ])  

Ao trabalhar com dados no Pandas, realizamos uma vasta gama de operações nos dados para obter os dados no formato desejado. Uma dessas operações pode ser a necessidade de criar novas colunas no DataFrame com base  nas colunas existentes no DataFrame.  Como exemplo, vou criar uma tabela com dados de algumas pessoas. A tabela será composta por duas colunas: nome e idade.  Com a tabela desenvolvida, vou classificar a pessoa como adulto ou menor de idade  através da idade. Neste caso, vamos criar uma nova coluna com base em uma coluna já existente: #Importando a biblioteca pandas import pandas as pd # Criando a tabela de dados   tabela = { 'Nome do usuário' : [ 'Araújo' , 'Moisés' , 'Catumbela' , 'Victor' ,                             'Sambimbia' , 'Margarida' , 'Manuel' , 'Mendrote' ],             'Idade' : [ 15 , 23 , 25 , 9 , 67 , 54 , 42 , 65 ]}   df = pd . DataFrame ( tabela , columns = [ 'Nome

CSV é um formato de arquivo e todos os arquivos desse formato são armazenados com uma extensão .csv. É um formato muito popular e amplamente utilizado para armazenar os dados de forma estruturada.  O Python possui uma biblioteca dedicada a lidar com operações que atendem a arquivos CSV, como leitura, gravação ou modificação.  A seguir, temos a resolução do problema # importando a biblioteca pandas import pandas as pd   # lendo o arquivo csv usando read_csv # armazenando o arquivo na variável com o nome df, com o devido caminho do arquivo df = pd . read_csv ( r "C: \U sers \P HILCO15A\Documents\Amazon \a mazon.csv" , sep = "," , encoding = 'latin1' ) print ( df ) # criando uma lista de nomes de colunas # chamando as .columns nome_das_colunas = list ( df . columns )   # exibindo a lista de nomes de colunas print ( 'Nome das colunas que fazem parte do arquivo : ' , nome_das_colunas ) Executando as linhas de código, teremos o seguinte:

Para deletar um registro ou mais registros(linhas) de uma tabela, utilizamos o comando SQL DELETE . É importante frisar que esse comando não exclui a tabela em sim, apenas os dados armazenados nele. Qual a sintaxe do comando SQL DELETE? A sintaxe básica usada para o comando DELETE é:  DELETE FROM nome_da_tabela   WHERE condição;  Observe que após a expressão FROM indicamos o nome da tabela que vamos excluir os dados. Já na cláusula WHERE definimos a condição que será usada como filtro para encontrar exatamente o registro que será excluído. Observe o nosso cenário Eu tenho uma tabela que armazena produtos atualizados de uma Loja. Vou fazer um novo SELECT para selecionar os dados da tabela atualizada. SELECT  *  FROM  produtos_atualizados Também, vou fazer um SELECT na tabela de produtos para selecionar os dados da tabela. SELECT * FROM produto Eu  tenho a seguinte rotina na empresa. Sempre que um produto é atualizado, eu vou na tabela produto para inserir os dados mais atualizados. 

Remover as duplicidades é um processo necessário para garantir a qualidade dos dados (Data Quality). No dia-a-dia, quando preciso trazer os dados para analisar em uma plataforma analítica, tenho uma preocupação enorme com linhas duplicadas. Com vista, a não trazer informações inflacionadas ou inverdades. Para remover as duplicidades, utilizo a função ROW_NUMBER() . Com a função ROW_NUMBER() , eu crio uma coluna que vai contar quantas vezes uma linha se repete e após essa contagem, eu armazeno o resultado em uma tabela temporária. Em seguida, Faço o SELECT na tabela temporária, trazendo somente as linhas onde contador=1. Na função ROW_NUMBER() utilizamos as seguintes expressões: ROW_NUMBER() : é a primeira declaração que informa que vamos usar a função e obrigatoriamente exige o uso do OVER() logo em seguida OVER() : esta é uma expressão obrigatória que vem após a declaração do ROW_NUMBER() . Quando a usamos, é como se estivéssemos dizendo "Quero que o resultado seja contado sobre

Você pode converter um DataFrame em arquivo JSON a partir de uma Lista,  usando o método DataFrame.to_json(). No dia-a-dia, usamos arquivos JSON especialmente para compartilhar dados entre servidores e aplicativos da web. Criando uma Lista U ma lista é uma estrutura de dados composta por itens organizados de forma linear, na qual cada um pode ser acessado a partir de um índice, que representa sua posição na coleção (iniciando em zero). Em Python, uma lista é representada como uma sequência de objetos separados por vírgula e dentro de colchetes []. import pandas as pd # importando a biblioteca Pandas para transformar a Lista em DataFrame e # gerar o arquivo Excel a partir do DataFrame # CRIANDO A LISTA COM DADOS  DE NOME, SOBRENOME E DATA DE NASCIMENTO lista = [ [ "Eric Arthur" , "Blair" , "25/06/1903" ],       [ "Araújo Victor" , "Catumbela" , "11/02/1999" ],       [ "James Richard" , "Perry" , "04/

Um dicionário Python é uma forma de coleção de dados em que se guarda uma chave e um valor correspondente. Os dicionários servem para representar melhor o mundo real, associando uma palavra a um ou mais valores. Criando um  dicionário   Em Python, para iniciar um dicionário em Python, você precisa criar a variável e colocar os valores entre chaves {}. import pandas as pd # importando a biblioteca Pandas para transformar o Dicionário em DataFrame e # gerar o arquivo excel a partir do DataFrame # CRIANDO o Dicionário com Informações de NOME, SOBRENOME E DATA DE NASCIMENTO meu_dicionario = ({ 'Nome' : "Eric Arthur" , "Sobrenome" : "Blair" , "Data de Nascimento" : "25/06/1903" }, { 'Nome' : "Araújo Victor" , "Sobrenome" : "Catumbela" , "Data de Nascimento" : "11/02/1999" }, { 'Nome' : "James Richard" , "Sobrenome" : "Perry" , "Dat