HUICODE ACADEMY

Funções Lambda são funções anônimas em Python, ou seja, são funções sem nome  (por isso o termo anônimo). Enquanto as funções tradicionais são definidas  utilizando a palavra-chave def, as funções anônimas são definidas usando a  palavra-chave lambda. As funções lambda possuem a seguinte sintaxe: lambda argumentos : <expressão> Observação importante :  as funções lambda podem ter qualquer número de argumentos, mas podem terá apenas uma expressão. Exemplo nº 1   Desenvolva um programa que leia o seu nome completo e que apresente somente o seu primeiro e último nome. Solução nome_completo = str ( input ( 'Informe o seu nome completo: ' )) #capturando o primeiro nome primeiro_nome = lambda nome : nome .split()[ 0 ] #capturando o ultimo nome ultimo_nome = lambda nome : nome .split()[ - 1 ] #Mostrando o resultado print ( f 'Seu primeiro nome é { primeiro_nome ( nome_completo ) } '       f 'e o seu último nome é { ultimo_nome ( nome_comp...

Com Python, podemos adicionar uma nova coluna a um DataFrame existente. Pré-requisito Antes de prosseguir, certifique-se de que você tem instalado a biblioteca Pandas. Para instalar , digite esse comando no terminal da sua IDE:  pip install pandas Eu vou importar uma base de dados de venda que está em uma pasta no meu computador # importando a biblioteca de pandas import pandas as pd # pegar o arquivo xlsx(excel) que está no caminho a seguir meu_arquivo = pd . read_excel ( "C: \\ Users \\ PHILCO15A \\ Music \\ python \\ vendas.xlsx" ) # Mostrando os dados print ( meu_arquivo ) Executando as linhas de código, teremos o seguinte: Exemplo  Criar a coluna custo_total que vai ser o somatório da coluna ValorCusto e CustoEntrega # importando a biblioteca de pandas import pandas as pd # pegar o arquivo xlsx(excel) que está no caminho a seguir meu_arquivo = pd . read_excel ( "C: \\ Users \\ PHILCO15A \\ Music \\ python \\ vendas.xlsx" ) print ( meu_arquivo ) # Soma...

A função GROUP BY identifica uma coluna selecionada a ser usada para agrupar os resultados. Com o GROUP BY, separamos os dados em grupos. Em outras palavras, O GROUP BY acumula resultados por grupo. Pré-requisito Antes de prosseguir, certifique-se de que você tem instalado a biblioteca Pandas. Para instalar , digite esse comando no terminal da sua IDE: pip install pandas Exemplo nº 1 Eu vou importar uma base de dados de venda que está em uma pasta no meu computador # importando a biblioteca de pandas import pandas as pd # pegar o arquivo xlsx(excel) que está no caminho a seguir meu_arquivo = pd . read_excel ( "C: \\ Users \\ PHILCO15A \\ Music \\ python \\ vendas.xlsx" ) # Mostrando os dados print ( meu_arquivo ) Executando as linhas de código, teremos o seguinte: Agora que você está familiarizado com o conjunto de dados, você começará respondendo a seguinte pergunta. Qual é a quantidade de vendas realizadas por estado? Para contar, eu utilizo a função count(). Nesse cas...

Para realizarmos  algumas operações utilizando  datas  com pandas , temos que realizar a conversão para que a coluna esteja com o tipo de dados  no formato correto, ou seja, como tipo  datetime  .  Eu tenho esse arquivo, com dados de vendas.  Como preciso analisar as informações das vendas ao longo do tempo, preciso converter a coluna  'DataNotaFiscal' para o tipo  datetime.  Vou importar a bibliotecas pandas, pegar o arquivo que está na pasta e ver as informações das colunas. # importando a biblioteca de pandas import pandas as pd # pegar o arquivo xlsx(excel) que está no caminho a seguir meu_arquivo = pd . read_excel ( "C: \\ Users \\ PHILCO15A \\ Music \\ python \\ vendas.xlsx" ) # ver as informações das colunas print ( meu_arquivo . info ()) Executando o script, teremos como saída: Como podemos ver na saída, o tipo de dados da coluna 'DataNotaFiscal' é uma string. Agora vamos convertê-lo para o formato datetime usando...

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 ]}...

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: