Pular para o conteúdo
Even3

Manipulação de dados e regressões lineares com Python

Gravado no evento PyMat 2021 - Python para Matemática e Além · 3 h 5 min de gravação

Trechos em vídeo

Sobre o conteúdo

No evento Python para Matemática e Além, o minicurso intitulado Manipulação de dados e regressões lineares com Python aborda os conceitos e comandos essenciais para a manipulação, limpeza e análise exploratória de conjuntos de dados em Python. O palestrante inicia contextualizando sua trajetória acadêmica na área de matemática e estatística, apresentando em seguida a estrutura de um DataFrame do Pandas, seus tipos de dados e o tratamento de valores faltantes.

O que é abordado

  1. Abertura e apresentação do minicurso
  2. Introdução a DataFrames com PandasTrecho de 1 min 57 s
  3. Exploração do dataset Diamonds
  4. Estatística descritiva e análise de variáveis
  5. Filtragem condicional com loc, iloc e queryTrecho de 1 min 59 sTrecho de 1 min 28 s
  6. Visualização de dados com Seaborn: dispersão, boxplot e histogramas
  7. Transformação e criação de novas variáveis
  8. Tratamento de dados reais: planilha de notas acadêmicas
  9. Agrupamento com groupby e automação
  10. Regras de negócio e encerramento

Dúvidas que o conteúdo responde

Qual é a principal diferença entre os métodos iloc e loc no Pandas?

O iloc realiza a indexação e seleção baseando-se estritamente em posições numéricas inteiras de linhas e colunas. Já o loc baseia-se em rótulos, permitindo selecionar linhas e colunas pelos seus nomes ou por máscaras booleanas de comparação.

Como os outliers são calculados e identificados no gráfico de boxplot?

Eles são definidos com base no intervalo interquartil (IQR), que é a diferença entre o terceiro quartil (75%) e o primeiro quartil (25%). Os limites usuais da caixa são calculados somando 1,5 vezes o IQR ao terceiro quartil ou subtraindo esse valor do primeiro quartil; pontos fora dessa faixa são destacados como outliers.

Por que o método dropna() não deve ser utilizado de forma descuidada?

Porque se qualquer coluna de uma linha contiver NaN, o dropna() removerá a linha inteira. Em datasets onde certas ausências de dados são esperadas (como uma prova final que nem todos os estudantes precisaram fazer), a remoção automática pode eliminar a grande maioria dos registros legítimos e distorcer a análise.

Como contornar a coluna de notas numéricas que foi importada como texto devido à presença da letra F de falta?

Pode-se utilizar o método replace para substituir a string 'F' por um número sentinela arbitrário (como -100). Isso permite que a coluna seja convertida para float, possibilitando cálculos estatísticos em notas válidas apenas filtrando valores maiores ou iguais a zero.

Assuntos

  • Python
  • Pandas
  • Ciência de Dados
  • Seaborn
  • Data Cleaning
  • Estatística Descritiva
  • Boxplot
  • Regressão Linear

Palestrantes

  • Filipe Lima

    Instrutor(a)

Outros conteúdos deste evento

Gravados no evento PyMat 2021 - Python para Matemática e Além

Workshop · 2 h 47 min

Criptografia RSA em SageMath/Python

Gravado no evento PyMat 2021 - Python para Matemática e Além

Nesta oficina ministrada durante o evento Python para Matemática e Além, o professor Ricardo Nunes Machado Júnior apresenta a fundamentação teórica e a implementação prática do…

Ver resumo e capítulos

Workshop · 1 h 50 min

Computação Quântica

Gravado no evento PyMat 2021 - Python para Matemática e Além

A palestra aborda os conceitos fundamentais da computação quântica e a sua distinção prática em relação à computação clássica. O palestrante desmistifica a necessidade de…

Ver resumo e capítulos