Pandas oferece duas estruturas de dados principais: `Series` e `DataFrame`. A `Series` é a mais simples das duas, assemelhando-se a um array **unidimensional** ou uma lista. Você pode criar um objeto `Series` usando o construtor `pd.Series()` passando uma **lista** como argumento.

import pandas as pd
numbers = [17, 43, 74, 20]
series = pd.Series(numbers)

print(series)

Neste exemplo, usamos o construtor `pd.Series()` para criar um objeto `Series` contendo uma **lista de números**.

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.

Séries

Solução

Séries

Solução