Praticando Pandas: realizando operações

Boas-vindas ao curso Praticando Python para Data Science! Meu nome é Allan Spadini e, ao longo desta jornada, vamos estudar operações que podem ser realizadas com dataframes.

Audiodescrição: Allan se descreve como um homem branco, de cabelos lisos castanho-escuros na altura das orelhas, e olhos castanho-escuros. Ele veste uma camisa preta com estampa da banda Iron Maiden, e está sentado no estúdio da Alura em frente a uma parede clara iluminada em gradiente azul e verde, com uma estante preta à esquerda do intrutor, contendo quadros, enfeites, plantas e pontos de iluminação amarela.

Realizando operações

Neste vídeo, vamos explorar o que conseguimos fazer com esses dataframes e quais métodos podemos utilizar sobre eles. Para isso, trouxemos um problema para analisarmos e também um dataset, isto é, um arquivo CSV, para relembrarmos como realizar essas operações nos dataframes.

Carregando o dataset no Google Colab

O arquivo superstore.csv será carregado no Google Colab. Feito isso, podemos realizar a leitura do arquivo. Primeiramente, vamos importar a biblioteca pandas como pd:

import pandas as pd

Na mesma célula, utilizaremos um comando para ler o arquivo:

import pandas as pd

Carregar o dataset

df = pd.read_csv(superstore.csv, encoding='ISO-8859-1')

Por fim, vamos exibir as cinco primeiras linhas do dataset para inspecionar:

import pandas as pd

Carregar o dataset



df = pd.read_csv(superstore.csv, encoding='ISO-8859-1')



Exibir as primeiras linhas do dataset para inspecionar

df.head()

Exibindo as colunas do dataset

O arquivo representa transações de uma loja, contendo informações como:

• ID da transação;
• ID da ordem;
• Data de envio;
• Nome do cliente;
• ID do produto;
• Vendas;
• Quantidades;
• Desconto;
• Lucro;
• Entre outras.

Nosso objetivo é resolver um problema relacionado às vendas e ao lucro da loja. Dito isso, podemos, por exemplo, imprimir e verificar o nome das colunas, utilizando o seguinte comando:

# Exibir as colunas do dataset
df.columns

Retorno do comando:

Index(['Linha ID', 'Ordem ID', 'Data Ordem', 'Data Envio', 'Modo Envio',
       'Cliente ID', 'Nome Cliente', 'Segmento', 'País', 'Cidade', 'Estado',
       'Codigo Postal', 'Regiao', 'Produto ID', 'Categoria', 'Sub-Categoria',
       'Nome Produto', 'Vendas', 'Quantidade', 'Desconto', 'Lucro'],
      dtype='object')

Obtendo estatísticas descritivas

Também podemos usar o método describe() para obter informações específicas, como a média de vendas (mean), a quantidade de vendas (count), e assim em diante.

df.describe()

Dividindo o dataframe em dois subconjuntos

Se quisermos comparar duas regiões diferentes onde ocorrem vendas, por exemplo, podemos observar que temos regiões como South (Sul) e West (Oeste) nos dados.

Para comparar essas regiões, criaremos dois dataframes diferentes:

# Dividir o DataFrame em dois subconjuntos por região
df_west = df[df['Regiao'] == 'West']
df_south = df[df['Regiao'] == 'South']

Nesse caso, criamos df_west e df_south. A partir disso, podemos comparar o total de vendas em cada região para verificar onde há mais vendas. Utilizaremos o método sum() para calcular isso.

# Somar as vendas ('Vendas') por região
sales_west = df_west['Vendas'].sum()
sales_south = df_south['Vendas'].sum()

Feito isso, podemos chamar as variáveis sales_west e sales_south em novas células:

sales_west

Retorno do comando:

725457.8245

sales_south

Retorno do comando:

391721.905

Com isso, verificamos que há mais vendas no Oeste do que no Sul.

Criando colunas derivadas com operações condicionais

Agora, vamos pensar em outro problema: verificar se estamos aplicando um desconto substancial em determinada região. Podemos criar uma nova coluna para identificar se foi aplicado desconto.

Com isso, podemos imprimir e comparar as colunas Desconto_Aplicado e Desconto.

# Criar uma coluna indicando se houve desconto
df['Desconto_Aplicado'] = df['Desconto'] > 0

Exibir as primeiras linhas com a nova coluna

print("\nNova coluna 'Desconto_aplicado':")
df[['Desconto', 'Desconto_Aplicado']].head()

Nova coluna Desconto_aplicado:

Criando uma nova coluna para calcular o lucro por unidade

Além disso, podemos realizar operações matemáticas em uma coluna específica. Por exemplo: uma possibilidade seria calcular o lucro por unidade de produto. Para isso, executamos o seguinte:

# Criar uma nova coluna de "Lucro por Unidade" (Lucro / Quantidade)
df['Lucro por Unidade'] = df['Lucro'] / df['Quantidade']

df[['Lucro', 'Quantidade', 'Lucro por Unidade']].head()

Utilizando o método apply() para funções personalizadas

Uma forma mais interessante de realizar essas operações é utilizando o método apply(), que permite aplicar uma função sobre os valores de uma coluna. Agora, queremos criar uma coluna baseada no lucro para verificar se temos uma alta margem, margem positiva, ou prejuízo.

Para aplicar a função sobre uma coluna do dataframe, usaremos o método apply() recebendo a função categoriza_lucro. Por fim, vamos imprimir as cinco primeiras linhas da nova tabela.

# Criar uma função para categorizar o lucro
def categoriza_lucro(lucro):
    if lucro > 50:
        return 'Alta margem'
    elif lucro > 0:
        return 'Margem positiva'
    else:
        return 'Prejuízo'

Aplicar a função



df['Categoria_Lucro'] = df['Lucro'].apply(categoriza_lucro)



Exibir as primeiras linhas com a nova coluna

df[['Lucro', 'Categoria_Lucro']].head()

Utilizando funções lambda

Além disso, podemos utilizar funções lambda para operações mais diretas. Por exemplo: para calcular a margem de lucro como porcentagem, aplicamos a função lambda ao método apply().

# Calculando a margem de lucro como porcentagem.
df['Margem Lucro (%)'] = df.apply(lambda x: (x['Lucro'] / x['Vendas']) * 100, axis=1)
df['Margem Lucro (%)']

Além disso, podemos usar funções lambda com if e else para determinar o nível de vendas:

df['Nivel Vendas'] = df['Vendas'].apply(lambda x: 'Alta' if x > 500 else 'Baixa')
df['Nivel Vendas']

Por fim, podemos identificar se o desconto aplicado foi elevado:

df['Desconto Elevado'] = df['Desconto'].apply(lambda x: True if x > 0.2 else False)
df['Desconto Elevado']

Conclusão

Com essas análises e operações, temos os elementos necessários para realizar os exercícios seguintes. Em caso de dúvidas, lembre-se de postar no fórum, interagir com a Alura, ou com nossa comunidade no Discord. Nos encontramos em uma próxima oportunidade!