Capítulo 3.4

Índice

from datascience import *
path_data = '../../../assets/data/'
import numpy as np
%matplotlib inline
import matplotlib.pyplot as plots
plots.style.use('fivethirtyeight')

cones = Table.read_table(path_data + 'cones.csv')
nba = Table.read_table(path_data + 'nba_salaries.csv').relabeled(3, 'SALARY')
movies = Table.read_table(path_data + 'movies_by_year.csv')

Introdução às Tabelas

Agora podemos aplicar o Python para analisar dados. Trabalharemos com dados armazenados em estruturas de Tabela.

As Tabelas são uma forma fundamental de representar conjuntos de dados. Uma tabela pode ser vista de duas maneiras:

uma sequência de colunas nomeadas que descrevem cada uma um único atributo de todas as entradas em um conjunto de dados, ou
uma sequência de linhas que contêm todas as informações sobre um único indivíduo em um conjunto de dados.

Estudaremos as tabelas em grande detalhe nos próximos capítulos. Por enquanto, apenas introduziremos alguns métodos sem entrar em detalhes técnicos.

A tabela cones foi importada para nós; mais tarde veremos como, mas aqui vamos apenas trabalhar com ela. Primeiro, vamos dar uma olhada nela.

cones

Flavor	Color	Price
strawberry	pink	3.55
chocolate	light brown	4.75
chocolate	dark brown	5.25
strawberry	pink	5.25
chocolate	dark brown	5.25
bubblegum	pink	4.75

A tabela tem seis linhas. Cada linha corresponde a um cone de sorvete. Os cones de sorvete são os indivíduos.

Cada cone tem três atributos: sabor, cor e preço. Cada coluna contém os dados de um desses atributos, e assim todas as entradas de qualquer coluna única são do mesmo tipo. Cada coluna tem um rótulo. Nos referiremos às colunas pelos seus rótulos.

Um método de tabela é como uma função, mas deve operar em uma tabela. Então a chamada parece

nome_da_tabela.método(argumentos)

Por exemplo, se você quiser ver apenas as duas primeiras linhas de uma tabela, você pode usar o método da tabela show.

cones.show(2)

Flavor	Color	Price
strawberry	pink	3.55
chocolate	light brown	4.75

Você pode substituir 2 por qualquer número de linhas. Se você pedir mais do que seis, você só obterá seis, porque cones tem apenas seis linhas.

Escolhendo Conjuntos de Colunas

O método select cria uma nova tabela consistindo apenas das colunas especificadas.

cones.select('Flavor')

Flavor
strawberry
chocolate
chocolate
strawberry
chocolate
bubblegum

Isso deixa a tabela original inalterada.

cones

Flavor	Color	Price
strawberry	pink	3.55
chocolate	light brown	4.75
chocolate	dark brown	5.25
strawberry	pink	5.25
chocolate	dark brown	5.25
bubblegum	pink	4.75

Você pode selecionar mais de uma coluna, separando os rótulos das colunas por vírgulas.

cones.select('Flavor', 'Price')

Flavor	Price
strawberry	3.55
chocolate	4.75
chocolate	5.25
strawberry	5.25
chocolate	5.25
bubblegum	4.75

Você também pode remover colunas que não deseja. A tabela acima pode ser criada removendo a coluna Color.

cones.drop('Color')

Flavor	Price
strawberry	3.55
chocolate	4.75
chocolate	5.25
strawberry	5.25
chocolate	5.25
bubblegum	4.75

Você pode nomear esta nova tabela e olhar para ela novamente apenas digitando seu nome.

no_colors = cones.drop('Color')

no_colors

Flavor	Price
strawberry	3.55
chocolate	4.75
chocolate	5.25
strawberry	5.25
chocolate	5.25
bubblegum	4.75

Assim como select, o método drop cria uma tabela menor e deixa a tabela original inalterada. Para explorar seus dados, você pode criar qualquer número de tabelas menores escolhendo ou removendo colunas. Isso não causará nenhum dano à sua tabela de dados original.

Ordenando Linhas

O método sort cria uma nova tabela arranjando as linhas da tabela original em ordem crescente dos valores na coluna especificada. Aqui, a tabela cones foi ordenada em ordem crescente do preço dos cones.

cones.sort('Price')

Flavor	Color	Price
strawberry	pink	3.55
chocolate	light brown	4.75
bubblegum	pink	4.75
chocolate	dark brown	5.25
strawberry	pink	5.25
chocolate	dark brown	5.25

Para ordenar em ordem decrescente, você pode usar um argumento opcional para sort. Como o nome indica, argumentos opcionais não precisam ser usados, mas podem ser usados se você quiser alterar o comportamento padrão de um método.

Por padrão, sort ordena em ordem crescente dos valores na coluna especificada. Para ordenar em ordem decrescente, use o argumento opcional descending=True.

cones.sort('Price', descending=True)

Flavor	Color	Price
chocolate	dark brown	5.25
strawberry	pink	5.25
chocolate	dark brown	5.25
bubblegum	pink	4.75
chocolate	light brown	4.75
strawberry	pink	3.55

Assim como select e drop, o método sort deixa a tabela original inalterada.

Selecionando Linhas que Satisfazem uma Condição

O método where cria uma nova tabela consistindo apenas das linhas que satisfazem uma determinada condição. Nesta seção, trabalharemos com uma condição muito simples, que é que o valor em uma coluna especificada deve ser igual a um valor que também especificamos. Assim, o método where tem dois argumentos.

O código na célula abaixo cria uma tabela consistindo apenas das linhas correspondentes a cones de chocolate.

cones.where('Flavor', 'chocolate')

Flavor	Color	Price
chocolate	light brown	4.75
chocolate	dark brown	5.25
chocolate	dark brown	5.25

Os argumentos, separados por vírgula, são o rótulo da coluna e o valor que estamos procurando nessa coluna. O método where também pode ser usado quando a condição que as linhas devem satisfazer é mais complicada. Nessas situações, a chamada também será um pouco mais complicada.

É importante fornecer o valor exatamente. Por exemplo, se especificarmos Chocolate em vez de chocolate, então where encontrará corretamente nenhuma linha em que o sabor seja Chocolate.

cones.where('Flavor', 'Chocolate')

Flavor	Color	Price

Assim como todos os outros métodos de tabela desta seção, where deixa a tabela original inalterada.

Exemplo: Salários na NBA

“A NBA é a liga esportiva profissional que mais paga no mundo,” informou a CNN em março de 2016. A tabela nba contém os salários de todos os jogadores da National Basketball Association em 2015-2016.

Cada linha representa um jogador. As colunas são:

Column Label	Description
PLAYER	Player’s name
POSITION	Player’s position on team
TEAM	Team name
SALARY	Player’s salary in 2015-2016, in millions of dollars

O código para as posições é PG (Armador), SG (Ala-armador), PF (Ala-pivô), SF (Ala) e C (Pivô). Mas o que segue não envolve detalhes sobre como o basquete é jogado.

A primeira linha mostra que Paul Millsap, Ala-pivô do Atlanta Hawks, teve um salário de quase $\$18.7$ milhões em 2015-2016.

nba

PLAYER	POSITION	TEAM	SALARY
Paul Millsap	PF	Atlanta Hawks	18.6717
Al Horford	C	Atlanta Hawks	12
Tiago Splitter	C	Atlanta Hawks	9.75625
Jeff Teague	PG	Atlanta Hawks	8
Kyle Korver	SG	Atlanta Hawks	5.74648
Thabo Sefolosha	SF	Atlanta Hawks	4
Mike Scott	PF	Atlanta Hawks	3.33333
Kent Bazemore	SF	Atlanta Hawks	2
Dennis Schroder	PG	Atlanta Hawks	1.7634
Tim Hardaway Jr.	SG	Atlanta Hawks	1.30452
… (407 rows omitted)

Os fãs de Stephen Curry podem encontrar sua linha usando where.

nba.where('PLAYER', 'Stephen Curry')

PLAYER	POSITION	TEAM	SALARY
Stephen Curry	PG	Golden State Warriors	11.3708

Também podemos criar uma nova tabela chamada ‘warriors’, que consiste apenas nos dados dos Golden State Warriors.

warriors = nba.where('TEAM', 'Golden State Warriors')
warriors

PLAYER	POSITION	TEAM	SALARY
Klay Thompson	SG	Golden State Warriors	15.501
Draymond Green	PF	Golden State Warriors	14.2609
Andrew Bogut	C	Golden State Warriors	13.8
Andre Iguodala	SF	Golden State Warriors	11.7105
Stephen Curry	PG	Golden State Warriors	11.3708
Jason Thompson	PF	Golden State Warriors	7.00847
Shaun Livingston	PG	Golden State Warriors	5.54373
Harrison Barnes	SF	Golden State Warriors	3.8734
Marreese Speights	C	Golden State Warriors	3.815
Leandro Barbosa	SG	Golden State Warriors	2.5
… (4 rows omitted)

Por padrão, as primeiras 10 linhas de uma tabela são exibidas. Você pode usar show para exibir mais ou menos. Para exibir a tabela inteira, use show sem nenhum argumento entre parênteses.

warriors.show()

PLAYER	POSITION	TEAM	SALARY
Klay Thompson	SG	Golden State Warriors	15.501
Draymond Green	PF	Golden State Warriors	14.2609
Andrew Bogut	C	Golden State Warriors	13.8
Andre Iguodala	SF	Golden State Warriors	11.7105
Stephen Curry	PG	Golden State Warriors	11.3708
Jason Thompson	PF	Golden State Warriors	7.00847
Shaun Livingston	PG	Golden State Warriors	5.54373
Harrison Barnes	SF	Golden State Warriors	3.8734
Marreese Speights	C	Golden State Warriors	3.815
Leandro Barbosa	SG	Golden State Warriors	2.5
Festus Ezeli	C	Golden State Warriors	2.00875
Brandon Rush	SF	Golden State Warriors	1.27096
Kevon Looney	SF	Golden State Warriors	1.13196
Anderson Varejao	PF	Golden State Warriors	0.289755

A tabela nba está ordenada em ordem alfabética dos nomes dos times. Para ver como os jogadores foram pagos em 2015-2016, é útil ordenar os dados por salário. Lembre-se que por padrão, a ordenação é em ordem crescente.

nba.sort('SALARY')

PLAYER	POSITION	TEAM	SALARY
Thanasis Antetokounmpo	SF	New York Knicks	0.030888
Jordan McRae	SG	Phoenix Suns	0.049709
Cory Jefferson	PF	Phoenix Suns	0.049709
Elliot Williams	SG	Memphis Grizzlies	0.055722
Orlando Johnson	SG	Phoenix Suns	0.055722
Phil Pressey	PG	Phoenix Suns	0.055722
Keith Appling	PG	Orlando Magic	0.061776
Sean Kilpatrick	SG	Denver Nuggets	0.099418
Erick Green	PG	Utah Jazz	0.099418
Jeff Ayres	PF	Los Angeles Clippers	0.111444
… (407 rows omitted)

Esses números são um tanto difíceis de comparar, pois alguns desses jogadores mudaram de time durante a temporada e receberam salários de mais de um time; apenas o salário do último time aparece na tabela.

O relatório da CNN é sobre o outro extremo da escala salarial – os jogadores que estavam entre os mais bem pagos do mundo. Para identificar estes jogadores podemos classificá-los por ordem decrescente de salário e olhar para as primeiras linhas.

nba.sort('SALARY', descending=True)

PLAYER	POSITION	TEAM	SALARY
Kobe Bryant	SF	Los Angeles Lakers	25
Joe Johnson	SF	Brooklyn Nets	24.8949
LeBron James	SF	Cleveland Cavaliers	22.9705
Carmelo Anthony	SF	New York Knicks	22.875
Dwight Howard	C	Houston Rockets	22.3594
Chris Bosh	PF	Miami Heat	22.1927
Chris Paul	PG	Los Angeles Clippers	21.4687
Kevin Durant	SF	Oklahoma City Thunder	20.1586
Derrick Rose	PG	Chicago Bulls	20.0931
Dwyane Wade	SG	Miami Heat	20
… (407 rows omitted)

O falecido Kobe Bryant foi o jogador da NBA que mais ganhou em 2015-2016.

← Capítulo 3.3 – Chamadas

Capítulo 4 – Tipos de Dados →