Começando com Pandas em Python: análise de dados para IA e automações

Vamos iniciar a reta final com peso! Aqui está o Dia 19/30 do Bootcamp Python + IA, e o tema é uma das ferramentas mais importantes para quem quer trabalhar com dados, IA e automações reais:

Hoje você vai aprender a usar a biblioteca pandas, essencial para quem trabalha com:

• Inteligência Artificial
• Ciência de dados
• Relatórios automatizados
• Dashboards e análise de planilhas

---

🎯 O que você vai aprender

• Instalar e importar o pandas
• Carregar dados de um CSV para análise
• Exibir, filtrar e explorar dados reais
• Entender o que é um DataFrame

---

🐼 O que é o Pandas?

O pandas é uma biblioteca Python para análise e manipulação de dados estruturados.
Ele transforma dados em DataFrames — algo parecido com planilhas do Excel, mas muito mais poderoso e programável.

---

⚙️ Instalação (se ainda não tiver)

pip install pandas

Se não funcionar esse comando no seu terminal, talvez seja porque o comando pip não está sendo reconhecido — provavelmente porque o Python não está no PATH do sistema ou o pip não foi instalado corretamente.

Então, tente esse:

python -m pip install pandas

---

📂 Lendo um arquivo CSV com pandas:

import pandas as pd

df = pd.read_csv("contatos.csv")
print(df)

Nota: Estou considerando que você ainda tenha esse arquivo no seu projeto que foi gerado na aula passada.

---

🔍 Acessando os primeiros dados:

print(df.head())  # primeiras 5 linhas
print(df.tail())  # últimas 5 linhas

---

📊 Explorando os dados:

print(df.columns)      # nome das colunas
print(df.shape)        # (linhas, colunas)
print(df.describe())   # estatísticas resumidas

---

🎯 Desafio do Dia: Explorador de Contatos

Crie um script que:

1. Carrega o arquivo contatos.csv (do Dia 18)
2. Exibe os 5 primeiros contatos
3. Mostra quantos registros existem
4. Lista todos os e-mails
5. Filtra apenas contatos com idade maior ou igual a 18

---

💻 Código sugerido:

import pandas as pd

df = pd.read_csv("contatos.csv")

print("📋 Primeiros contatos:")
print(df.head())

print("\n📌 Total de registros:", len(df))

print("\n📧 E-mails cadastrados:")
print(df["email"])

print("\n👥 Contatos maiores de idade:")
df["idade"] = pd.to_numeric(df["idade"], errors="coerce")  # converter idade para número
print(df[df["idade"] >= 18])

---

🧠 O que você aplicou hoje?

• Uso do pandas para análise de dados
• Carregamento de arquivos externos
• Filtros avançados com DataFrames
• Transformação e leitura de dados como IA faz

---

💬 E por que isso importa?

Todo projeto com IA e automação começa com leitura, limpeza e entendimento de dados.
O pandas é o melhor amigo do programador moderno nesse processo.

---

🎯 Quer criar IA de verdade, não só teoria?

Na mentoria, você vai aprender a:

✅ Automatizar tarefas com IA
✅ Integrar dados de planilhas, APIs e web
✅ Usar pandas com projetos reais

📲 Acesse: asllanmaciel.com.br/mentoria

Navegação

<< Manipulando Arquivos CSV com Python: automatize leitura e escrita de dadosLimpeza e Transformação de Dados com Pandas: preparando para IA >>