Arquivo de python - Página 3 de 9

O método df.info() é uma ferramenta essencial na biblioteca Pandas para Python que fornece um resumo conciso sobre um DataFrame. Ele é especialmente útil para entender a estrutura dos dados, tipos de colunas e valores não nulos.

O que é df.info()?

O método info() exibe um resumo informativo sobre um DataFrame, incluindo:

O número de entradas (linhas) no DataFrame
O número de colunas
Os nomes das colunas e seus tipos de dados
O número de valores não nulos em cada coluna
O uso de memória pelo DataFrame

Exemplo básico de uso:

import pandas as pd
import numpy as np

# Criando um DataFrame de exemplo
df = pd.DataFrame({
    'nome': ['Ana', 'João', 'Maria', 'Pedro', None],
    'idade': [25, 30, None, 35, 40],
    'salario': [5000.0, 6000.0, 7000.0, None, 9000.0],
    'departamento': ['Vendas', 'TI', 'Vendas', 'TI', 'RH']
})

# Exibindo informações do DataFrame
df.info()

import pandas as pd

import numpy as np

# Criando um DataFrame de exemplo

df = pd.DataFrame({

'nome': ['Ana', 'João', 'Maria', 'Pedro', None],

'idade': [25, 30, None, 35, 40],

'salario': [5000.0, 6000.0, 7000.0, None, 9000.0],

'departamento': ['Vendas', 'TI', 'Vendas', 'TI', 'RH']

})

# Exibindo informações do DataFrame

df.info()

Saída esperada do código acima:

&lt;class 'pandas.core.frame.DataFrame'&gt;
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   nome          4 non-null      object 
 1   idade         4 non-null      float64
 2   salario       4 non-null      float64
 3   departamento  5 non-null      object 
dtypes: float64(2), object(2)
memory usage: 288.0+ bytes

RangeIndex: 5 entries, 0 to 4

Data columns (total 4 columns):

# Column Non-Null Count Dtype

--- ------ -------------- -----

0 nome 4 non-null object

1 idade 4 non-null float64

2 salario 4 non-null float64

3 departamento 5 non-null object

dtypes: float64(2), object(2)

memory usage: 288.0+ bytes

Informações Fornecidas pelo df.info()

Estrutura do DataFrame

A primeira parte da saída do info() mostra informações gerais sobre o DataFrame:

Informações Gerais:

Classe: Tipo do objeto (geralmente pandas DataFrame)
RangeIndex: Número de linhas e intervalo de índices
Data columns: Número total de colunas

Detalhes das Colunas:

Coluna: Nome de cada coluna
Non-Null Count: Contagem de valores não nulos
Dtype: Tipo de dados de cada coluna

Interpretação da Saída:

A saída do info() permite identificar rapidamente:

Valores faltantes (comparando Non-Null Count com o total de linhas)
Tipos de dados inadequados (ex: números armazenados como strings)
O tamanho total do DataFrame na memória

Parâmetros do df.info()

O método info() aceita vários parâmetros para personalizar sua saída:

Parâmetros Principais:

verbose: Se True, mostra todos os detalhes
buf: Buffer de escrita (útil para salvar a saída)
max_cols: Número máximo de colunas a mostrar
memory_usage: Especifica como mostrar o uso de memória
show_counts: Se True, mostra contagem de não nulos
null_counts: Se True, mostra contagem de nulos (obsoleto)

Exemplos de Uso:

# Mostrar informações de forma resumida
df.info(verbose=False)

# Mostrar uso detalhado de memória
df.info(memory_usage='deep')

# Salvar a saída em uma string
import io
buffer = io.StringIO()
df.info(buf=buffer)
info_str = buffer.getvalue()

# Mostrar informações de forma resumida

df.info(verbose=False)

# Mostrar uso detalhado de memória

df.info(memory_usage='deep')

# Salvar a saída em uma string

import io

buffer = io.StringIO()

df.info(buf=buffer)

info_str = buffer.getvalue()

Relação com Outras Funções do Pandas

O df.info() complementa outras funções de análise de dados do Pandas:

Enquanto df.describe() fornece estatísticas descritivas dos dados, df.info() foca na estrutura e metadados do DataFrame.

Para uma análise completa, é comum usar:

df.info() para entender a estrutura
df.describe() para estatísticas descritivas
df.head() para visualizar as primeiras linhas
df.isnull().sum() para contagem detalhada de valores nulos

Em R, as funções equivalentes para obter informações sobre a estrutura de dados são:

# Criando um data frame de exemplo em R
df <- data.frame(
  nome = c('Ana', 'João', 'Maria', 'Pedro', NA),
  idade = c(25, 30, NA, 35, 40),
  salario = c(5000.0, 6000.0, 7000.0, NA, 9000.0),
  departamento = c('Vendas', 'TI', 'Vendas', 'TI', 'RH')
)

# Informações sobre a estrutura do data frame
str(df)

# Resumo do data frame
summary(df)

# Visualizar as primeiras linhas
head(df)

# Criando um data frame de exemplo em R

df <- data.frame(

nome = c('Ana', 'João', 'Maria', 'Pedro', NA),

idade = c(25, 30, NA, 35, 40),

salario = c(5000.0, 6000.0, 7000.0, NA, 9000.0),

departamento = c('Vendas', 'TI', 'Vendas', 'TI', 'RH')

)

# Informações sobre a estrutura do data frame

str(df)

# Resumo do data frame

summary(df)

# Visualizar as primeiras linhas

head(df)

Quando e Como Usar df.info()

Análise Exploratória Inicial

Use info() como uma das primeiras etapas na análise de dados para entender a estrutura do DataFrame.

# Carregar dados de um arquivo
df = pd.read_csv('dados.csv')

# Primeira análise da estrutura
df.info()

# Carregar dados de um arquivo

df = pd.read_csv('dados.csv')

# Primeira análise da estrutura

df.info()

Identificação de Valores Faltantes

Use info() para identificar rapidamente colunas com valores missing.

# Verificar valores missing
df.info()

# Se a contagem de non-null for menor que o total de linhas,
# existem valores missing na coluna

# Verificar valores missing

df.info()

# Se a contagem de non-null for menor que o total de linhas,

# existem valores missing na coluna

Otimização de Memória

Use info() com memory_usage=’deep’ para analisar o uso de memória e otimizá-lo.

# Analisar uso detalhado de memória
df.info(memory_usage='deep')

# Otimizar tipos de dados para reduzir memória
df['coluna'] = df['coluna'].astype('category')  # Exemplo de otimização

# Analisar uso detalhado de memória

df.info(memory_usage='deep')

# Otimizar tipos de dados para reduzir memória

df['coluna'] = df['coluna'].astype('category') # Exemplo de otimização

Exemplo Prático Completo

Vamos explorar um exemplo prático de uso do df.info() em um conjunto de dados mais complexo:

import pandas as pd
import numpy as np

# Criando um DataFrame mais complexo
np.random.seed(42)  # Para reproducibilidade
dados = {
    'id': range(1, 101),
    'idade': np.random.randint(18, 70, 100),
    'salario': np.random.normal(5000, 1500, 100),
    'cidade': np.random.choice(['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', None], 100),
    'ativo': np.random.choice([True, False], 100),
    'data_cadastro': pd.date_range('2020-01-01', periods=100, freq='D')
}

df = pd.DataFrame(dados)

# Adicionando alguns valores missing
df.loc[::10, 'idade'] = None
df.loc[::15, 'salario'] = np.nan

# Analisando com info()
print("Análise completa com df.info():")
df.info()

print("\n\nAnálise resumida:")
df.info(verbose=False)

print("\n\nAnálise com uso detalhado de memória:")
df.info(memory_usage='deep')

import pandas as pd

import numpy as np

# Criando um DataFrame mais complexo

np.random.seed(42) # Para reproducibilidade

dados = {

'id': range(1, 101),

'idade': np.random.randint(18, 70, 100),

'salario': np.random.normal(5000, 1500, 100),

'cidade': np.random.choice(['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', None], 100),

'ativo': np.random.choice([True, False], 100),

'data_cadastro': pd.date_range('2020-01-01', periods=100, freq='D')

}

df = pd.DataFrame(dados)

# Adicionando alguns valores missing

df.loc[::10, 'idade'] = None

df.loc[::15, 'salario'] = np.nan

# Analisando com info()

print("Análise completa com df.info():")

df.info()

print("\n\nAnálise resumida:")

df.info(verbose=False)

print("\n\nAnálise com uso detalhado de memória:")

df.info(memory_usage='deep')

Em R, podemos realizar uma análise similar com:

# Criando um data frame complexo em R
set.seed(42)  # Para reproducibilidade
dados <- data.frame(
  id = 1:100,
  idade = sample(c(18:70, NA), 100, replace = TRUE),
  salario = rnorm(100, 5000, 1500),
  cidade = sample(c('São Paulo', 'Rio de Janeiro', 'Belo Horizonte', NA), 100, replace = TRUE),
  ativo = sample(c(TRUE, FALSE), 100, replace = TRUE),
  data_cadastro = seq.Date(as.Date('2020-01-01'), by = 'day', length.out = 100)
)

# Analisando a estrutura
str(dados)

# Resumo das variáveis
summary(dados)

# Verificar valores missing
colSums(is.na(dados))

# Criando um data frame complexo em R

set.seed(42) # Para reproducibilidade

dados <- data.frame(

id = 1:100,

idade = sample(c(18:70, NA), 100, replace = TRUE),

salario = rnorm(100, 5000, 1500),

cidade = sample(c('São Paulo', 'Rio de Janeiro', 'Belo Horizonte', NA), 100, replace = TRUE),

ativo = sample(c(TRUE, FALSE), 100, replace = TRUE),

data_cadastro = seq.Date(as.Date('2020-01-01'), by = 'day', length.out = 100)

)

# Analisando a estrutura

str(dados)

# Resumo das variáveis

summary(dados)

# Verificar valores missing

colSums(is.na(dados))

⚠️ Limitações e Considerações

Embora df.info() seja extremamente útil, é importante entender suas limitações:

Não mostra valores únicos ou distribuição de dados categóricos
Não fornece informações sobre correlações entre variáveis
Para DataFrames muito grandes, pode consumir tempo e memória consideráveis
Não substitui uma análise exploratória completa dos dados

Conclusão

O método df.info() é uma ferramenta essencial no fluxo de trabalho de análise de dados com Pandas. Ele fornece um resumo rápido e informativo sobre a estrutura de um DataFrame, permitindo identificar rapidamente problemas com tipos de dados, valores missing e uso de memória.

Lembre-se de que info() é apenas o ponto de partida para a análise de dados. Para uma compreensão completa, complemente essas informações com visualizações, estatísticas descritivas e análises mais profundas específicas do seu domínio de aplicação.

Referências

Documentação oficial do Pandas: DataFrame.info()
Pandas User Guide: Essential Basic Functionality
Real Python: The Pandas DataFrame

Em Python, tanto set quanto frozenset são estruturas de dados que armazenam coleções não ordenadas de elementos únicos. A principal diferença está na mutabilidade.

Set (Mutável)

Um set é uma coleção mutável – você pode adicionar, remover e modificar elementos após a criação.

Características:

Mutável
Não ordenado
Elementos únicos
Não indexado

Exemplo de uso:

# Criando um set
meu_set = {1, 2, 3, 4, 5}
print("Set original:", meu_set)

# Adicionando elementos
meu_set.add(6)
print("Após add(6):", meu_set)

# Removendo elementos
meu_set.remove(3)
print("Após remove(3):", meu_set)

# Tentando usar como chave de dicionário (gera erro)
try:
    dicionario = {meu_set: "valor"}
except TypeError as e:
    print("Erro ao usar set como chave:", e)

# Criando um set

meu_set = {1, 2, 3, 4, 5}

print("Set original:", meu_set)

# Adicionando elementos

meu_set.add(6)

print("Após add(6):", meu_set)

# Removendo elementos

meu_set.remove(3)

print("Após remove(3):", meu_set)

# Tentando usar como chave de dicionário (gera erro)

try:

dicionario = {meu_set: "valor"}

except TypeError as e:

print("Erro ao usar set como chave:", e)

Frozenset (Imutável)

Um frozenset é uma versão imutável do set – após a criação, não pode ser modificado.

Características:

Imutável
Não ordenado
Elementos únicos
Pode ser usado como chave de dicionário

Exemplo de uso:

# Criando um frozenset
meu_frozenset = frozenset([1, 2, 3, 4, 5])
print("Frozenset original:", meu_frozenset)

# Tentativas de modificação (geram erro)
try:
    meu_frozenset.add(6)
except AttributeError as e:
    print("Erro ao tentar add():", e)

try:
    meu_frozenset.remove(3)
except AttributeError as e:
    print("Erro ao tentar remove():", e)

# Usando como chave de dicionário (funciona)
dicionario = {meu_frozenset: "valor"}
print("Como chave de dicionário:", dicionario[meu_frozenset])

# Criando um frozenset

meu_frozenset = frozenset([1, 2, 3, 4, 5])

print("Frozenset original:", meu_frozenset)

# Tentativas de modificação (geram erro)

try:

meu_frozenset.add(6)

except AttributeError as e:

print("Erro ao tentar add():", e)

try:

meu_frozenset.remove(3)

except AttributeError as e:

print("Erro ao tentar remove():", e)

# Usando como chave de dicionário (funciona)

dicionario = {meu_frozenset: "valor"}

print("Como chave de dicionário:", dicionario[meu_frozenset])

Vantagens do Set:

Pode ser modificado conforme necessário
Útil para operações que requerem alterações frequentes
Métodos como add(), remove(), discard(), etc.

Desvantagens do Set:

Não pode ser usado como chave de dicionário
Não é hasheável
Menos seguro em contextos que requerem imutabilidade

Vantagens do Frozenset:

Imutável e seguro para uso em contextos que requerem imutabilidade
Pode ser usado como chave de dicionário
É hasheável

Desvantagens do Frozenset:

Não pode ser modificado após a criação
Menos flexível para operações dinâmicas
Não possui métodos de modificação

Relação entre Set e Frozenset

É possível converter entre set e frozenset conforme necessário:

# Convertendo set para frozenset
meu_set = {1, 2, 3, 4, 5}
meu_frozenset = frozenset(meu_set)
print("Set convertido para frozenset:", meu_frozenset)

# Convertendo frozenset para set
outro_set = set(meu_frozenset)
print("Frozenset convertido para set:", outro_set)

# Operações entre set e frozenset
set_a = {1, 2, 3}
frozenset_b = frozenset([3, 4, 5])

# União
uniao = set_a | frozenset_b
print("União:", uniao)

# Interseção
intersecao = set_a & frozenset_b
print("Interseção:", intersecao)

# Convertendo set para frozenset

meu_set = {1, 2, 3, 4, 5}

meu_frozenset = frozenset(meu_set)

print("Set convertido para frozenset:", meu_frozenset)

# Convertendo frozenset para set

outro_set = set(meu_frozenset)

print("Frozenset convertido para set:", outro_set)

# Operações entre set e frozenset

set_a = {1, 2, 3}

frozenset_b = frozenset([3, 4, 5])

# União

uniao = set_a | frozenset_b

print("União:", uniao)

# Interseção

intersecao = set_a & frozenset_b

print("Interseção:", intersecao)

Guia de Decisão: Quando usar cada um

Use set quando:

Você precisa modificar a coleção frequentemente
Não precisa usar a coleção como chave de dicionário
Está trabalhando com dados que mudam dinamicamente

Use frozenset quando:

Você precisa de uma coleção imutável
Quer usar a coleção como chave de dicionário
Está trabalhando com dados que não devem mudar
Precisa de segurança contra modificações acidentais

Conclusão

Tanto set quanto frozenset são úteis em diferentes contextos. A escolha entre eles depende principalmente se você precisa de mutabilidade ou imutabilidade. Enquanto os sets são flexíveis e mutáveis, os frozensets oferecem imutabilidade e a capacidade de serem usados como chaves em dicionários.

Análise de Estrutura de Dados com df.info() no Pandas

O que é df.info()?

Exemplo básico de uso:

Informações Fornecidas pelo df.info()

Estrutura do DataFrame

Informações Gerais:

Detalhes das Colunas:

Interpretação da Saída:

Parâmetros do df.info()

Parâmetros Principais:

Exemplos de Uso:

Relação com Outras Funções do Pandas

Quando e Como Usar df.info()

Análise Exploratória Inicial

Identificação de Valores Faltantes

Otimização de Memória

Exemplo Prático Completo

⚠️ Limitações e Considerações

Conclusão

Referências

Set vs Frozenset

Set (Mutável)

Características:

Exemplo de uso:

Frozenset (Imutável)

Características:

Exemplo de uso:

Vantagens do Set:

Desvantagens do Set:

Vantagens do Frozenset:

Desvantagens do Frozenset:

Relação entre Set e Frozenset

Guia de Decisão: Quando usar cada um

Conclusão