Summary  
This chapter explains how to access a DataFrame’s column names and data types using the `df.columns` and `df.dtypes` attributes.  

General domain of usage  
Data analysis

Para ver todos os nomes das colunas como uma lista, precisamos usar esta linha de código:
```python
column_names = df.columns
```

Também podemos obter um resumo de todos os tipos de dados que estão no dataframe. Para isso, precisamos usar o seguinte atributo: `.dtypes`.
```python
data_types = df.dtypes
```

Pandas é uma biblioteca extremamente amigável para análise de dados. Também é projetada para lidar com grandes conjuntos de dados, usando estruturas de dados como DataFrame e Series. Isso a torna uma ferramenta inestimável para Ciência de Dados. Neste guia, você se familiarizará com uma variedade de funções estatísticas, incluindo como encontrar correlações, modas, medianas e valores máximos e mínimos dentro de um conjunto de dados. Você também aprenderá a lidar com valores ausentes e manipular valores específicos, bem como como removê-los.

Nesta seção, exploraremos os fundamentos das estruturas Series e DataFrame. Você também aprenderá sobre as distinções entre esses dois tipos de estruturas.

Os dados podem ser obtidos em vários formatos, como CSV, JSON, SQL, HTML e mais. Com o Pandas, você não está limitado a um único formato — você pode trabalhar com dados em uma variedade de tipos de arquivos. Neste capítulo, vamos nos concentrar especificamente nos formatos CSV e TXT.

Aqui, você aprenderá a processar dados brutos removendo informações desnecessárias e gerenciando valores nulos em um conjunto de dados.

Nomes das Colunas e Tipos de Dados

Solução

Awesome!

Nomes das Colunas e Tipos de Dados

Solução

Awesome!