Introdução ao Pandas – Pedro Nakashima

O pandas é a biblioteca padrão para manipulação de dados tabulares em Python. Se você já trabalhou com planilhas, a ideia é a mesma — só que programável, reproduzível e capaz de lidar com milhões de linhas.

Instalação

pip install pandas

E, por convenção, o import é sempre com o apelido pd:

import pandas as pd

As duas estruturas centrais

Series — uma coluna

Uma Series é um vetor unidimensional com um índice (rótulos das linhas).

temperaturas = pd.Series(
    [28.1, 30.4, 27.9, 31.2],
    index=["seg", "ter", "qua", "qui"],
    name="temperatura",
)

temperaturas["ter"]      # 30.4
temperaturas.mean()      # 29.4
temperaturas > 30        # Series de booleanos

DataFrame — a tabela

Um DataFrame é um conjunto de Series que compartilham o mesmo índice: linhas e colunas, como uma planilha.

df = pd.DataFrame({
    "cidade": ["São Paulo", "Rio", "Curitiba", "Recife"],
    "populacao_mi": [12.3, 6.7, 1.9, 1.7],
    "regiao": ["Sudeste", "Sudeste", "Sul", "Nordeste"],
})

Lendo dados de verdade

Na prática você raramente digita os dados à mão. O pandas lê dezenas de formatos:

df = pd.read_csv("dados.csv")
df = pd.read_excel("planilha.xlsx", sheet_name="2026")
df = pd.read_parquet("dados.parquet")

Primeiro contato com qualquer tabela nova:

df.head()        # primeiras linhas
df.shape         # (linhas, colunas)
df.info()        # tipos e valores nulos
df.describe()    # estatísticas das colunas numéricas

Selecionando e filtrando

df["populacao_mi"]              # uma coluna (Series)
df[["cidade", "regiao"]]        # várias colunas (DataFrame)

df.loc[0]                       # linha pelo rótulo do índice
df.iloc[0]                      # linha pela posição

# filtro por condição (boolean indexing)
df[df["populacao_mi"] > 5]

# combinando condições: use & | e parênteses
df[(df["regiao"] == "Sudeste") & (df["populacao_mi"] > 10)]

Criando colunas

df["populacao_abs"] = df["populacao_mi"] * 1_000_000

df["porte"] = df["populacao_mi"].apply(
    lambda p: "grande" if p >= 5 else "médio" if p >= 2 else "pequeno"
)

Agrupando: split-apply-combine

O groupby é o coração da análise exploratória: divide os dados por uma chave, aplica uma agregação e junta o resultado.

df.groupby("regiao")["populacao_mi"].sum()

df.groupby("regiao").agg(
    n_cidades=("cidade", "count"),
    pop_total=("populacao_mi", "sum"),
    pop_media=("populacao_mi", "mean"),
)

Valores ausentes

df.isna().sum()                 # nulos por coluna
df.dropna(subset=["populacao_mi"])
df["regiao"].fillna("desconhecida")

Resumo

Series = coluna; DataFrame = tabela.
read_csv / read_excel / read_parquet para carregar dados.
head, info, describe para o primeiro diagnóstico.
loc / iloc e boolean indexing para recortar.
groupby + agg para resumir.

A documentação oficial tem um guia “10 minutes to pandas” que vale a leitura depois deste post.