Análise de dados com pandas

O pandas é uma biblioteca poderosa para a manipulação e análise de dados em Python. Ele fornece estruturas de dados rápidas, flexíveis e expressivas, projetadas para tornar o trabalho com “dados relacionais” ou “etiquetados” fácil e intuitivo. Aqui estão algumas razões pelas quais é útil instalar o pandas:

1. Leitura de Dados: Facilita a leitura de dados de várias fontes, como arquivos CSV, bancos de dados SQL, arquivos Excel, entre outros.
2. Manipulação de Dados: Permite operações eficientes de manipulação de dados, como filtragem, agregação, ordenação e fusão.
3. Análise Estatística: Oferece funções integradas para análises estatísticas e sumarização de dados.
4. Visualização: Facilita a criação de gráficos e visualizações de dados usando bibliotecas como matplotlib e seaborn.
5. Integração com SQL: Permite a integração com bancos de dados SQL para carregar e manipular dados diretamente dentro do ambiente de análise.

Instalando o Pandas

Instale a biblioteca pandas utilizando o comando pip:

pip install pandas

Exemplos de Uso do Pandas

Vamos utilizar pandas para realizar algumas operações de leitura e análise de dados com os dados inseridos no banco de dados SQLite.

Leitura de Dados

Vamos carregar os dados da tabela Produto em um DataFrame do pandas.

import pandas as pd
 
df_produtos = pd.read_sql_query("SELECT * FROM Produto", conn)
print(df_produtos)

Análise Descritiva

Realize uma análise descritiva dos dados para obter um resumo estatístico das colunas numéricas.

# Análise descritiva
print(df_produtos.describe())

Filtragem e Agregação de Dados

Vamos realizar algumas operações de filtragem e agregação para entender melhor os dados.

# Filtrando produtos com preço acima de 100
produtos_caros = df_produtos[df_produtos['Preco'] > 100]
print(produtos_caros)
 
# Agregando dados para obter a média de preços por categoria
media_precos_por_categoria = df_produtos.groupby('ID_Categoria')['Preco'].mean()
print(media_precos_por_categoria)

Visualização de Dados

Crie visualizações simples para entender melhor a distribuição dos dados. Para isso, é comum usar bibliotecas como matplotlib.

import matplotlib.pyplot as plt
 
# Histograma dos preços dos produtos
df_produtos['Preco'].hist(bins=10)
plt.xlabel('Preço')
plt.ylabel('Frequência')
plt.title('Distribuição de Preços dos Produtos')
plt.show()
 
# Gráfico de barras da média de preços por categoria
media_precos_por_categoria.plot(kind='bar')
plt.xlabel('ID da Categoria')
plt.ylabel('Preço Médio')
plt.title('Preço Médio por Categoria')
plt.show()

Conclusão

A utilização do pandas proporciona uma interface intuitiva e poderosa para trabalhar com dados, facilitando o processo de análise e visualização.

O pandas é uma ferramenta essencial para qualquer cientista de dados ou desenvolvedor que trabalhe com grandes volumes de dados, fornecendo funcionalidades robustas para transformar e analisar dados de maneira eficiente.