<\> Casa do Dev
Notícias abrir
Ferramentas abrir
Vagas abrir
Aprender abrir
Comunidade abrir
Guia de Compras abrir

Pandas do zero: análise de dados com Python

DA

7 min

Pandas do zero: análise de dados com Python

Comece a analisar dados com Pandas: instalação, comandos essenciais, filtro, groupby e o erro clássico de indexação explicados.

Neste artigo

Pandas é a biblioteca Python que organiza dados em tabelas chamadas DataFrames e entrega filtragem, agregação e junção em poucas linhas. Para começar a analisar dados com ela, o caminho curto é instalar, carregar um arquivo CSV e dominar cinco operações: leitura, inspeção, filtro, agrupamento e exportação do resultado.

Instale o Pandas com pip install pandas, carregue o arquivo com pd.read_csv() e use head, info e describe para conhecer a base antes de qualquer cálculo. Se a sua dúvida é sobre a linguagem em si, o guia explicando o que é Python dá o contexto antes de seguir para a biblioteca.

O que você precisa instalar antes?

Só o Python atualizado e o Pandas. Uma instalação com pip resolve:

pip install pandas

Quem prefere ambiente com data science já embutido pode usar uma distribuição pronta, mas não é exigência. O trabalho acontece em um notebook ou em um script simples, e o primeiro teste é rodar import pandas as pd sem erro. Se o import falhar, corrija o ambiente antes de seguir, porque toda a análise depende dele.

Quais são os cinco primeiros comandos?

Estes cinco cobrem a primeira hora com qualquer base nova:

import pandas as pd

df = pd.read_csv("vendas.csv")   # carrega a base
df.head()                        # primeiras linhas
df.info()                        # colunas, tipos e nulos
df.describe()                    # resumo estatístico
df.shape                         # linhas e colunas

O hábito que separa quem analisa de quem chuta é passar por esses cinco antes de calcular qualquer coisa. O info revela colunas com tipo errado, como data vinda como texto, e o describe mostra valores impossíveis, como venda negativa. Corrigir isso na entrada poupa horas no final.

Como filtrar linhas e selecionar colunas?

O filtro em Pandas é a máscara booleana: você escreve uma condição e o DataFrame devolve só as linhas em que ela é verdadeira. Combinações usam o operador E e o operador OU entre condições, cada uma entre parênteses:

caros = df[df["valor"] > 1000]
regiao_sul_2026 = df[(df["regiao"] == "Sul") & (df["ano"] == 2026)]

# coluna única vira Series; lista de colunas vira DataFrame
totais = df[["vendedor", "valor"]]

Repare no parêntese duplo na condição composta. Ele não é detalhe estético: sem ele, o Python tenta avaliar a comparação antes do operador lógico e devolve erro de ambiguidade, um dos tropeços mais frequentes de quem sai do Excel.

Como resumir a base com groupby?

O groupby responde às perguntas de consolidado: total por vendedor, média por região, contagem por categoria. O padrão mental é sempre o mesmo: escolha a chave, escolha a coluna, escolha a função de resumo.

resumo = (
    df.groupby("vendedor")["valor"]
      .agg(["sum", "mean", "count"])
      .sort_values("sum", ascending=False)
)
resumo.to_csv("resumo_vendedores.csv")

Uma linha de agg substitui a tabela dinâmica inteira, e o resultado já sai pronto para exportar. Quando o relatório precisar virar apresentação, o tutorial de Looker Studio para criar dashboard sem pagar licença mostra o passo seguinte com o mesmo CSV.

💡 Dica: aprenda o copy() cedo. Ao criar uma versão filtrada para mexer, copie o DataFrame explícitamente. Isso evita o aviso de modificação em cópia que confunde iniciante e garante que a base original continue intacta para conferência.

Onde praticar de graça?

Dados públicos e um notebook resolvem: bases de vendas simuladas, dados abertos de governo e desafios de análise servem. Para quem está começando a linguagem junto com a biblioteca, o curso gratuito de Python para iniciantes do Santander Open Academy cobre a base, e o curso gratuito de orientação a objetos da Fundação Bradesco ajuda quando os scripts pedem organização.

Para o primeiro projeto marcante em pandas, dado público brasileiro funciona melhor que dataset estrangeiro genérico: gasto de cartão corporativo, contratos públicos e indicadores do IBGE são familiares ao recrutador local e rendem história na entrevista. Feche o ciclo com um gráfico salvo e um README que conte a pergunta que você respondeu; análise sem pergunta clara não convence quem contrata.

Essa disciplina de começar pela pergunta, e não pela ferramenta, é a primeira competência que o entrevistador mede, ainda sem perceber.

Os erros que denunciam o iniciante em Pandas

O primeiro é o laço onde não precisa de laço. Quem vem de linguagem imperativa escreve for para somar, filtrar e transformar, e o Pandas opera em colunas inteiras de uma vez: a operação vetorizada é mais curta, mais rápida e é o estilo que quem mantém o código espera ler. Se o seu notebook tem três laços aninhados, quase sempre existe uma linha de operação entre colunas que resolve.

O segundo é ignorar o tipo da coluna. Data lida como texto não ordena direito, valor com vírgula lido como texto não soma, e o erro só aparece na consolidação. O hábito de olhar os tipos logo depois de carregar, com uma única chamada de info, elimina essa classe de problema antes de ela se espalhar pelo notebook.

O terceiro é a análise sem ponto de partida: carregar a base e rodar estatística sem uma pergunta escrita no topo. A pergunta define o filtro, a agregação e o gráfico, e o notebook termina com começo, meio e conclusão. O quarto é misturar limpeza e análise no mesmo bloco, o que impede refazer o trabalho quando a base atualiza; separar etapas em células dedicadas deixa o fluxo reproduzível quando os dados mudam, que é o cenário real de qualquer análise que sobrevive à primeira entrega.

Perguntas frequentes

Preciso saber Python antes de aprender Pandas?

O básico resolve: variáveis, listas, dicionários e funções. Pandas acrescenta estruturas próprias, o Series e o DataFrame, mas a leitura do código depende da base da linguagem. Sem ela, cada erro vira mistério; com ela, a curva inicial cai bastante.

Pandas funciona com Excel?

Funciona nos dois sentidos. A função read_excel carrega planilhas direto, e to_excel devolve o resultado. Para bases grandes ou limpeza repetida, a combinação substitui bem o trabalho manual de planilha, com a vantagem de o processo virar código reutilizável.

Qual a diferença entre Series e DataFrame?

Series é uma coluna com índice, e DataFrame é a tabela inteira, um conjunto de Series compartilhando o índice. Colchetes simples em uma coluna devolvem uma Series; lista de colunas devolve um DataFrame. Essa distinção explica boa parte dos erros de formato.

Pandas aguenta milhões de linhas?

Aguenta enquanto o dado couber na memória do computador. Bases de alguns milhões de linhas rodam bem em máquinas comuns; centenas de milhões já pedem outra estratégia, como processar em blocos ou deixar a agregação pesada para o banco.

Como resolver o erro KeyError?

O KeyError indica coluna ou índice inexistente, e quase sempre vem de nome digitado diferente do real. Rode df.columns para conferir a grafia exata, incluindo espaços escondidos, e o erro desaparece na maioria dos casos.

Produtos relacionados

Este conteúdo tem links de afiliado: se você comprar por eles, podemos receber uma comissão sem custo extra para você. A escolha dos produtos segue critérios próprios e não é influenciada por comissão.

O que você achou deste artigo?

Responda a Pergunta do Dia Teste seu conhecimento e mantenha sua streak. Crie seu Dev Card público Perfil dev compartilhável em um único link.

Depois dessa formação...

Veja vagas de analista de dados →
DA

Escrito por

Dagmar

Atualizado em 06/10/2026 •

Ver perfil do autor

COMPARTILHAR