<\/p>\n
Cada vez que voc\u00ea cria um subconjunto de um DataFrame do pandas e depois modifica o subconjunto, o DataFrame original tamb\u00e9m ser\u00e1 modificado.<\/span><\/p>\n Por esse motivo, \u00e9 sempre uma boa ideia usar .copy()<\/strong> ao criar subconjuntos, para que as altera\u00e7\u00f5es feitas no subconjunto n\u00e3o sejam feitas tamb\u00e9m no DataFrame original.<\/span><\/p>\n Os exemplos a seguir mostram como (e por que) fazer uma c\u00f3pia de um DataFrame do pandas durante a cria\u00e7\u00e3o de subconjuntos.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Agora suponha que criamos um subconjunto contendo apenas as primeiras quatro linhas do DataFrame original:<\/span><\/span><\/p>\n Se alterarmos algum dos valores do subconjunto, o valor do DataFrame original tamb\u00e9m ser\u00e1 alterado:<\/span><\/p>\n Observe que o primeiro valor da coluna da equipe foi alterado de “A” para “X” tanto no subconjunto DataFrame quanto<\/strong> no DataFrame original.<\/span><\/span><\/p>\n Isso ocorre porque n\u00e3o fizemos uma c\u00f3pia do DataFrame original.<\/span><\/p>\n Vamos supor novamente que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Vamos supor novamente que criamos um subconjunto que cont\u00e9m apenas as primeiras quatro linhas do DataFrame original, mas desta vez usamos .copy()<\/strong> para fazer uma c\u00f3pia do DataFrame original:<\/span><\/p>\n Agora suponha que alteramos o primeiro valor da coluna team do subconjunto DataFrame:<\/span><\/p>\n Observe que o primeiro valor da coluna team foi alterado de \u201cA\u201d para \u201cX\u201d apenas no subconjunto DataFrame.<\/span><\/p>\n O DataFrame original permanece intacto, pois usamos .copy()<\/strong> para fazer uma c\u00f3pia dele ao criar o subconjunto.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como excluir linhas no Pandas DataFrame com base na condi\u00e7\u00e3o<\/a> Cada vez que voc\u00ea cria um subconjunto de um DataFrame do pandas e depois modifica o subconjunto, o DataFrame original tamb\u00e9m ser\u00e1 modificado. Por esse motivo, \u00e9 sempre uma boa ideia usar .copy() ao criar subconjuntos, para que as altera\u00e7\u00f5es feitas no subconjunto n\u00e3o sejam feitas tamb\u00e9m no DataFrame original. Os exemplos a seguir mostram […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3270","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo 1: subconjunto de um DataFrame sem c\u00f3pia<\/span><\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4<\/strong><\/pre>\n #define subsetted DataFrame\n<\/span>df_subset = df[0:4]\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists rebounds\n0 A 18 5 11\n1 B 22 7 8\n2 C 19 7 10\n3 D 14 9 6<\/strong><\/pre>\n #change first value in team column\n<\/span>df_subset. team<\/span> [0] = ' X<\/span> '\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n\n#view original DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4\n<\/strong><\/span><\/pre>\n Exemplo 2: subconjunto de um DataFrame com c\u00f3pia<\/span><\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4<\/strong><\/pre>\n #define subsetted DataFrame\n<\/span>df_subset = df[0:4]. copy<\/span> ()<\/strong><\/pre>\n #change first value in team column\n<\/span>df_subset. team<\/span> [0] = ' X<\/span> '\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n\n#view original DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4\n<\/strong><\/span><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como filtrar um DataFrame do Pandas em m\u00faltiplas condi\u00e7\u00f5es<\/a>
Como usar o filtro \u201cNOT IN\u201d no Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"