Desbravando o Pandas - Parte 3 - Índices e seleção

Neste documento continuaremos explorarando os conceitos iniciais da biblioteca Pandas. Para acompanhamento utilizaremos a mesma base do 🔗Desbravando o Pandas - Parte 1 - Estrutura de dados e seguirei com as mesmas estruturas criadas previamente.

---

Índices

Toda estrutura do tipo DataFrame possui índices, os índices no pandas são essenciais para organizar e acessar dados dentro de um DataFrame ou Series. Eles funcionam como identificadores únicos para as linhas, facilitando buscas, filtragens e operações avançadas.

Existem três tipos de índices, sendo eles:

• Índices númericos.
• Índices textuais(Labels).
• Índices multi-nível(MultiIndex).

DataFrame com índices númericos

Normalmente os índices são do tipo númerico por padrão, do valor 0 ao número de linhas do DataFrame - 1, mas também pode ser do tipo textual(rótuos/labels).

df_data

Índices criado por padrão no DataFrame df_data

Observe que o índice do DataFrame df_data não possui uma coluna especifica para ele. Para recuperar o index no Pandas, basta utilizar o método index:

df_data.index

Índices no DataFrame df_data, com ínicio no 0 e fim em 105018

DataFrame com índices textuais (Labels)

Um índice textual no pandas é quando usamos valores de texto (strings) como índice em um DataFrame ou Series. Isso facilita buscas e manipulações, tornando os dados mais legíveis e organizados.

satisfacao_labels = pd.DataFrame({
    'bom': [50,21,100],
    'ruim': [131,2,30],
    'pessimo': [30,20,1]
}, index = ['Ford','volkswagen', 'BMW'])

satisfacao_labels

Retorno do DataFrame criado satisfacao_labels, com índíce textual

satisfacao_labels.index

Índices no DataFrame satisfacao_labels, contendo ‘Ford’, ‘volkswagen’ e ‘BMW’

DataFrame com índices multi-nível (MultiIndex)

O MultiIndex no pandas permite criar índices hierárquicos, ou seja, um índice composto por múltiplas colunas. Isso é útil para organizar e acessar dados estruturados de forma mais eficiente.

Podemos definir múltiplas colunas como índice usando set_index():

MultiIndex = pd.DataFrame({
    'categoria': ['A', 'A', 'B', 'B'],
    'produto': ['P1', 'P2', 'P1', 'P2'],
    'vendas': [100, 150, 200, 250]
})

MultiIndex.set_index(['categoria', 'produto'], inplace=True)

MultiIndex

Retorno do DataFrame MultiIndex com índice multi-nível

MultiIndex.index

Índices no DataFrame MultiIndex, contendo dois índices, categoria e produto

Para resetar o índex ao padrão original, basta usar MultiIndex.reset_index(inplace=True)

---

Seleção de Índex

A seleção de índice nos permite acessar, organizar e manipular os dados de um DataFrame. O índice funciona como um identificador único para as linhas, possibilitando assim buscas rápidas, segmentação e operações estruturadas.

Seleção baseada em índices

Para mostrar linhas especificas de um DataFrame, usa-se:

iloc : Seleciona elementos de um DataFrame, baseando-se em índices númericos

Selecionando uma amostra/linha

df_data.iloc[1] ## Extraíndo a linha com o índice 1

Índice 1 no DataFrame df_data

df_data.iloc[1,6] ## Extraíndo a linha com índice 1 e coluna 6 (Faixa Etária)

Índice 1 e coluna 6 no DataFrame df_data

Selecionando múltiplas amostras/linhas

Uma das formas de se fazer isso é utilizando slicing, passando um intervalo dos nossos valores

df_data.iloc[:3] ## Extraíndo as linhas com índice >= 0 e <= 2

Retorno da extração das linhas 0,1 e 2 do DataFrame df_data

df_data.iloc[10:13] ## Extraíndo as linhas com índice >= 10 e <= 12

Retorno da extração das linhas 10,11 e 12 do DataFrame df_data

df_data.iloc[1,5,10] ## Extraíndo as linhas com índice 1,5 e 10

Retorno da extração das linhas 1,5 e 10 do DataFrame df_data

Seleção baseada em label

Para seleccionar elementos do DataFrame pelo seu rótulo/label usa se:

loc : Seleciona elementos de um DataFrame, baseando-se em rótulo.

satisfacao_labels.loc['Ford'] ## Retorna a linha cujo o rótulo do índice é 'Ford'

Retorno da extração do label ‘Ford’ do DataFrame satisfacao_labels

Semelhante ao iloc podemos selecionar linha e coluna baseando no label

satisfacao_labels.loc['Ford','ruim']

Retorno da extração do label ‘Ford’ da coluna ‘ruim’ do DataFrame satisfacao_labels

Se quisermos buscar apenas as colunas ‘ruim’ e ‘pessimo’ do DataFrame satisfacao_labels, existem duas possibilidades:

## Forma 1:
satisfacao_labels[['ruim','pessimo']] ## Retorna todas as linhas do DataFrame mas apenas as colunas 'ruim' e 'pessimo'

Retorno da extração de todas as linhas e apenas as colunas ‘ruim’ e ‘pessimo’ do DataFrame satisfacao_labels

## Forma 2
satisfacao_labels.loc[:,['ruim','pessimo']] ## Retorna os índices 0 a n-1 (:) mas apenas as colunas 'ruim' e 'pessimo'

Retorno da extração de todas as linhas e apenas as colunas ‘ruim’ e ‘pessimo’ do DataFrame satisfacao_labels

Mesmo em DataFrame com índices baseados em rótulos, é possível a utilização do iloc para selecionar elementos baseando-se em seu índice implícito, por exemplo, se quisermos seleccionar a linha 2 do DataFrame satisfacao_labels basta:

satisfacao_labels.iloc[2] ## Retorna a linha de índice 2 (BMW) do DataFrame

Retorno da extração da linha de índice 2 (BMW)do DataFrame satisfacao_labels

Índices números, por default, possuem rótulos que correspondem aos seus valores númericos. Ou seja, é possível usar o iloc e loc para índices númericos.

Seleção de uma ou mais colunas

Já vimos que para selecionar uma coluna de um DataFrame(df_data) basta utilizar df_data['Cidade'] , df_data.Cidade (Este, apenas para casos com colunas sem caracteres especiais e sem espaço) ou data.loc[:, 'Cidade'] .

Para retorno de mais de uma coluna é necessário passar uma lista [‘Colune 1’,’Coluna 2’,’Coluna 3’, ‘…’]

df_data[['Cidade','UF','Região']] ## Retorna a coluna 'Cidade', 'UF' e 'Região'

Retorno da extração de todas as linha das colunas ‘Cidade’, ‘UF’ e ‘Região’

Seleção de índices MultiIndex

Para identificar os níveis do índex do tipo MultiIndex, utilizaremos o método index.levels

MultiIndex

Retorno do DataFrame MultiIndex

MultiIndex.index.levels

Retorno dos níveis do DataFrame MultiIndex

Para identificar os valores do nível 1 e 2 respectivamente, usamos o método get_level_values(n), com n sendo o level do índice.

MultiIndex.index.get_level_values(0)  ## Retorna os valores do primeiro nível Categoria

Retorno dos nível de Categoria do DataFrame MultiIndex

MultiIndex.index.get_level_values(1)  ## Retorna os valores do segundo nível Produto

Retorno dos nível de Produto do DataFrame MultiIndex

Para extrair informações de índices MultiIndex devemos passar os n índices requeridos através do método loc

MultiIndex.loc[('A', 'P1')]  ## Retorna o valor referente ao índice 1 (Categoria) textual 'A' e ao índice 2 (Produto) textual 'P1'

Retorno da busca referente ao índice 1 (Categoria) textual ‘A’ e ao índice 2 (Produto) textual ‘P1’ do DataFrame MultiIndex

MultiIndex.loc[(['A', 'B'], ['P1']), :] ## Retorna o valor referente ao índice 1 (Categoria) textual 'A' e 'B' e ao índice 2 (Produto) textual 'P1'

Retorno referente ao índice 1 (Categoria) textual ‘A’ e ‘B’ e ao índice 2 (Produto) textual ‘P1 do DataFrame MultiIndex

1. (['A', 'B'], ['P1']) :
   • O primeiro nível (categoria) recebe uma lista [‘A’, ‘B’], garantindo que ambas sejam selecionadas.
   • O segundo nível (produto) também recebe uma lista [‘P1’], garantindo que apenas P1 seja selecionado.
2. Adição de : (dois pontos) :
   • Necessário para indicar que queremos todas as colunas.

---

Resumo dos métodos

Método	Descrição
.index	Retornar o objeto índice
.set_index(coluna)	Define uma coluna como índice
.reset_index()	Remove o índice e transforma-o em coluna
.loc[indice]	Acessa dados pelo valor do índice
.iloc[posição]	Acessa dados pela posição numérica
.sort_index()	Ordena o DataFrame pelo índice
.droplevel(nível)	Remove um nível de um índice multi-nível

---

Para download do notebook utilizado, acesse o 🔗Link