pandas é um dos pacotes de ciência de dados em Python mais populares e a ferramenta padrão para trabalhar com dados tabulares em Python. A boa notícia é que quem está começando do zero consegue aprender e começar a programar em pandas em poucas semanas. Veja como dar os primeiros passos.
O que saber antes de começar
O que é pandas?
pandas é um dos primeiros pacotes de Python que você deve aprender porque é fácil de usar, de código aberto e permite trabalhar com grandes volumes de dados. Ele oferece manipulação de dados rápida e eficiente, agregação e criação de tabelas dinâmicas (pivot), recursos flexíveis para séries temporais e muito mais.
pandas tem muita funcionalidade semelhante ao SQL ou ao Excel e aceita vários tipos de dados — de arquivos CSV e de texto a planilhas do Microsoft Excel, bancos de dados SQL e outros. Além disso, permite converter tudo isso em um objeto DataFrame, que representa colunas e linhas como em uma tabela do Excel — só que em Python.
O DataFrame do pandas em ação
Como o pandas se encaixa no ecossistema PyData?
Ao analisar dados com Python, o pandas costuma ser usado junto com outros pacotes e ferramentas. Entre eles estão pacotes de machine learning para fazer previsões, como o scikit-learn, pacotes de visualização como Matplotlib e seaborn, e ferramentas como o Jupyter Notebooks para criar e compartilhar relatórios com código, gráficos e texto. Todas essas ferramentas compõem o que chamamos de ecossistema PyData. Mas você não precisa aprender tudo de uma vez — comece focando no pandas.
Seis passos para sua jornada de aprendizado em pandas
1) Aprenda a sintaxe básica de Python
pandas é um pacote feito para Python, então você precisa ter uma boa base de sintaxe antes de mergulhar no pandas. É muito fácil empacar nessa etapa, já que cursos introdutórios muitas vezes tornam o aprendizado cansativo ao focar apenas em sintaxe.
Como regra geral, gaste o mínimo de tempo necessário com sintaxe — o suficiente para começar a fazer tarefas simples com pandas. Aqui vai uma lista de recursos de Python puro para você dominar o básico:
- A Practical Introduction to Python 3
- Página principal do tutorial do Python
- Introduction to Python, da DataCamp
2) Configure seu ambiente Python
Antes de trabalhar com pandas, você precisa ter um ambiente Python configurado na sua máquina. Assim, você aplica o que aprendeu e experimenta o pandas com seus próprios dados.
Para configurar seu ambiente de ciência de dados em Python, recomendo instalar a distribuição Anaconda, que facilita a instalação do pandas junto com outros pacotes e ferramentas relevantes, como o Jupyter Notebooks.
Para um passo a passo de como configurar seu ambiente Python com Anaconda, assista ao meu treinamento prático. Você também pode seguir os guias para iniciantes e instalar o Anaconda no Windows e no Mac OS X.
3) Aprenda na prática
Na DataCamp, acreditamos que aprender fazendo é a melhor forma de desenvolver e aplicar habilidades de programação. Colocar o pandas em prática com projetos guiados ajuda você a sair da zona de conforto, aprender a depurar e a ler documentação, e ganhar confiança trabalhando com dados reais.
Para ficar fluente em pandas, você precisa saber importar e exportar dados de diferentes tipos, manipular e remodelar dados, fazer pivot e agregações, tirar insights simples de DataFrames e muito mais. Aqui estão alguns recursos que cobrem esses temas e trazem códigos fáceis de aplicar em forma de projetos guiados:
- O site do pandas oferece uma porção de tutoriais para começar com o pacote. E o melhor: há muitos tutoriais da comunidade para novos usuários.
- O Pandas Cookbook é um excelente livro com uma abordagem rica em código e baseada em projetos. Ele também apresenta outros pacotes do ecossistema PyData frequentemente usados com pandas, como o seaborn para visualização de dados.
- A DataCamp oferece diversos cursos de pandas, do nível iniciante ao avançado. O curso pandas foundations mostra como importar DataFrames, conduzir análises exploratórias básicas e analisar séries temporais — tudo no seu navegador.
4) Trabalhe em projetos com dados do mundo real
Praticar o que você aprendeu em pandas com dados reais é uma ótima forma de consolidar as habilidades e aplicá-las com confiança no dia a dia.
Há várias maneiras de começar seu próprio projeto. Para início de conversa, se o seu trabalho envolve dados tabulares, passe a usar pandas em vez de planilhas como Google Sheets e Microsoft Excel. Embora no começo possa levar mais tempo, isso vai afiar e manter suas habilidades em pandas, deixando você mais rápido e competente no longo prazo.
O Kaggle reúne uma variedade de conjuntos de dados reais e competições de machine learning. Embora eu incentive você a aprender machine learning, esse é um passo melhor para quem já está em um nível mais avançado. No começo, foque em projetos de análise e exploração de dados com pandas. Você pode fazer isso escrevendo notebooks de análise no Kaggle ou em plataformas como o Medium.
5) Domine a arte do debugging
Uma das habilidades mais subestimadas que todo aspirante a programador precisa desenvolver é o debugging. Todo profissional de Python e pandas, em qualquer nível, enfrenta erros e problemas no código. Quando você encontrar erros no seu código em pandas, use estes recursos:
- O Google é sempre meu primeiro destino quando surge um erro. Quase sempre, a resposta para minha dúvida sobre pandas aparece nos dez primeiros resultados.
- O Stack Overflow é a maior comunidade de desenvolvedores, onde você pode pedir ajuda para depurar código fazendo e respondendo perguntas de programação. Hoje, ele tem cerca de 180.000 perguntas sobre pandas. Se for publicar sua pergunta, siga as boas práticas para formular perguntas.
- A documentação sempre será sua aliada, e a documentação do pandas é extensa. Ela cobre todas as funcionalidades possíveis do pandas, além de boas práticas.
6) Continue expandindo suas habilidades em pandas
Continue construindo e ampliando suas habilidades em pandas. Há muitos recursos sobre tópicos avançados. Por exemplo, o livro de Ashish Kumar Mastering pandas traz técnicas para acelerar e simplificar seu fluxo de trabalho com pandas. Este post no blog da Real Python reúne dicas e truques para usuários avançados. Você também pode aprender como outros pacotes do ecossistema PyData ampliam o que você faz com pandas, como o seaborn e o plotly, para criar gráficos interativos.
Um gráfico interativo feito com Plotly
Uma ótima maneira de evoluir em pandas é revisitar códigos que você escreveu no início da sua jornada. Busque oportunidades de simplificar o código, adotar boas práticas e aproveitar outros pacotes do ecossistema PyData.
Espero que este post tenha te inspirado e que os recursos sejam úteis. Dominar pandas é uma jornada de aprendizado contínuo — na qual eu mesmo ainda estou. Na DataCamp, pandas aparece em todo o nosso programa de estudos principal, e estamos sempre aprimorando e ampliando o conteúdo. Por fim, te convido a se juntar a milhares de alunos na DataCamp Slack Community para receber apoio na sua jornada com pandas!
Adel Nehme é Data Science Evangelist na DataCamp. Antes, atuou como Content Developer, colaborando com instrutores em diversos cursos de Python e criando o nosso curso Cleaning Data in Python.
