Introdução
Neste laboratório, aprenderemos como usar o método get() do Pandas DataFrame em Python. O método get() é usado para recuperar um item do DataFrame com base em uma chave especificada (por exemplo, o nome de uma coluna). Se a chave não for encontrada, ele retorna um valor padrão.
Dicas para a VM
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido às limitações do Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Importar as bibliotecas necessárias
Para começar, precisamos importar a biblioteca pandas para usar o objeto DataFrame.
import pandas as pd
Criar um DataFrame
Vamos criar um DataFrame simples para trabalhar. Usaremos a função pd.DataFrame() para criar o DataFrame.
df = pd.DataFrame({"Name": ["Navya", "Vindya"], "Age": [25, 24], "Education": ["M.Tech", "Ph.d"], "YOP": [2019, None]})
Obter uma Única Coluna
Para recuperar uma única coluna do DataFrame, use o nome da coluna como chave no método get().
age_column = df.get("Age")
Obter Múltiplas Colunas
Para recuperar múltiplas colunas do DataFrame, especifique os nomes das colunas como uma lista no método get().
columns = df.get(["Name", "Education"])
Especificar um Valor Padrão
Se a chave especificada não for encontrada no DataFrame, você pode especificar um valor padrão a ser retornado usando o parâmetro default no método get().
skills_column = df.get("Skills", default="Key not found")
Resumo
Neste laboratório, aprendemos como usar o método get() em um DataFrame Pandas em Python. Vimos como recuperar colunas únicas e múltiplas, e também como especificar um valor padrão caso a chave não seja encontrada. O método get() é uma ferramenta útil para trabalhar com DataFrames em pandas.