Método Quantil DataFrame Pandas

Introdução

Neste laboratório, exploraremos o método DataFrame.quantile() em Pandas. O método DataFrame.quantile() calcula os valores em um determinado quantil sobre o eixo especificado de um DataFrame. Aprenderemos como usar este método e entender seus parâmetros.

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 a limitações no 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.

Criar um DataFrame

Primeiramente, vamos criar um DataFrame usando a função pd.DataFrame() da biblioteca Pandas. Criaremos um DataFrame com três colunas: 'Age' (Idade), 'Height' (Altura) e 'Weight' (Peso). Este DataFrame representará um grupo de indivíduos e seus atributos correspondentes. Cada coluna conterá valores numéricos.

## Import the pandas library
import pandas as pd

## Create the DataFrame
df = pd.DataFrame({'Age': [12, 14, 11, 12], 'Height': [135, 140, 138, 147], 'Weight': [35, 38, 30, 45]})

Calcular o Quantil

Agora, vamos calcular o quantil do DataFrame usando o método DataFrame.quantile(). O parâmetro q representa o(s) quantil(is) desejado(s) a serem computados, onde 0 <= q <= 1. Neste exemplo, calcularemos o quantil em 0.5, que corresponde à mediana.

## Calculate the quantile
quantile_50 = df.quantile(0.5)

Imprimir o Resultado

Finalmente, vamos imprimir o resultado para ver o quantil calculado.

## Print the result
print(quantile_50)

Resumo

Neste laboratório, aprendemos como usar o método DataFrame.quantile() no Pandas para calcular quantis de um DataFrame. Ao especificar o(s) quantil(is) desejado(s) usando o parâmetro q, podemos obter os valores correspondentes. Este método é útil para analisar e resumir dados numéricos em um DataFrame.