Operadores Relacionais e Lógicos no Pandas: Simplificando a Filtragem de Dados

O Python Pandas é uma biblioteca amplamente utilizada para análise e manipulação de dados. Ao trabalhar com DataFrames, muitas vezes é necessário filtrar os dados com base em determinadas condições. Neste artigo, vamos explorar os operadores relacionais e lógicos no Pandas, que nos permitem criar expressões booleanas para filtragem de dados. Vamos entender como esses operadores funcionam e forneceremos exemplos práticos para facilitar a compreensão.

Operadores Relacionais:

Os operadores relacionais no Pandas são usados para comparar valores e retornar resultados booleanos. Aqui estão alguns dos principais operadores relacionais:

• == (igual a)
• != (diferente de)
• < (menor que)
• > (maior que)
• <= (menor ou igual a)
• >= (maior ou igual a)

Esses operadores podem ser usados para comparar valores em colunas específicas do DataFrame e retornar uma série booleana, onde cada elemento representa o resultado da comparação.

Operadores Lógicos:

Os operadores lógicos no Pandas nos permitem combinar expressões booleanas e realizar operações lógicas mais complexas. Os dois principais operadores lógicos são:

• & (e): Retorna True se ambas as expressões booleanas forem verdadeiras.
• | (ou): Retorna True se pelo menos uma das expressões booleanas for verdadeira.

Esses operadores podem ser usados para combinar múltiplas condições em uma única expressão booleana.

---

Exemplos de Uso:

Aqui estão alguns exemplos práticos de como usar os operadores relacionais e lógicos no Pandas:

1 - Filtragem de linhas com base em uma condição:

import pandas as pd

# Criando um DataFrame de exemplo
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [6, 7, 8, 9, 10]})

# Filtrando linhas onde a coluna 'A' é maior que 2
resultado = df[df['A'] > 2]
print(resultado)

2 - Filtragem de linhas com base em múltiplas condições:

import pandas as pd

# Criando um DataFrame de exemplo
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [6, 7, 8, 9, 10]})

# Filtrando linhas onde a coluna 'A' é maior que 2 E a coluna 'B' é menor que 9
resultado = df[(df['A'] > 2) & (df['B'] < 9)]
print(resultado)

3 - Filtragem de linhas com base em valores em uma lista:

import pandas as pd

# Criando um DataFrame de exemplo
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': ['x', 'y', 'z', 'w', 'x']})

# Filtrando linhas onde a coluna 'B' contém valores 'x' ou 'y'
resultado = df[df['B'].isin(['x', 'y'])]
print(resultado)

4 - Filtragem de linhas com base em uma string contida em uma coluna:

import pandas as pd

# Criando um DataFrame de exemplo
df = pd.DataFrame({'A': ['foo', 'bar', 'baz', 'qux'],
                   'B': [1, 2, 3, 4]})

# Filtrando linhas onde a coluna 'A' contém a string 'ba'
resultado = df[df['A'].str.contains('ba')]
print(resultado)

---

Os operadores relacionais e lógicos no Pandas são ferramentas poderosas para filtragem de dados. Eles permitem que você crie expressões booleanas complexas para selecionar as linhas desejadas em um DataFrame. Com o conhecimento desses operadores, você pode facilmente filtrar e manipular seus dados de acordo com suas necessidades específicas. Esperamos que os exemplos fornecidos neste artigo tenham ajudado a esclarecer o uso desses operadores no contexto do Pandas. Agora você está pronto para explorar ainda mais as funcionalidades do Pandas e aproveitar ao máximo suas análises de dados.