Escolar Documentos
Profissional Documentos
Cultura Documentos
ipynb - Colaboratory
import pandas as pd
pixar = pd.DataFrame({'Movie':['Inside Out','Coco','Luca','Soul'], 'Year':[2015,2017,2021,2020],
'Main Character':['Joy','Miguel','Luca','Joe']})
display(pixar)
pixar.rename(columns={'Movie':'Filme','Year':'Ano','Main Character':'Protagonista'}, inplace = True)
display(pixar)
pixar.columns=['FILME','ANO','PROTAGONISTA']
display(pixar)
display( pixar.FILME)
0 Inside Out
1 Coco
2 Luca
3 Soul
Name: FILME, dtype: object
l = [ ]
for x in range(0,4):
l.append(x)
print(l)
m = [1,2,0,3]
pixar_1 = pd.DataFrame(pixar.iloc[m])
[0, 1, 2, 3]
pixar.index =['Inside Out','Coco','Luca','Soul']
pixar.drop('FILME',axis=1,inplace = True)
display(pixar)
ANO PROTAGONISTA
pixar_2 = pd.DataFrame({'ANO':[2007,1994,2010,2012],'PROTAGONISTA':['Remy','Woody','Russell','Merida']}, index=['Ratatuille','Toy Story',
display(pixar_2)
https://colab.research.google.com/drive/1xEkWzxsWcZ22Cecx6hOshY8gkkN-vwNT#printMode=true 1/4
07/12/2022 00:31 Untitled4.ipynb - Colaboratory
ANO PROTAGONISTA
pixar= pixar.append(pixar_2)
display(pixar)
ANO PROTAGONISTA
a_2009 = pd.DataFrame(pixar.loc[(pixar['ANO'] <=2009), ['ANO','PROTAGONISTA']])
display(a_2009)
ANO PROTAGONISTA
pixar
ANO PROTAGONISTA
pixar['GEN'] = ['F','M','M','M','M','M','M','F']
pixar['Idade'] = [30,10,10,45,20,32,10,16]
display(pixar)
https://colab.research.google.com/drive/1xEkWzxsWcZ22Cecx6hOshY8gkkN-vwNT#printMode=true 2/4
07/12/2022 00:31 Untitled4.ipynb - Colaboratory
sel1 = (pixar['ANO']>2000) & (pixar['GEN']=='F')
female = pixar[sel1]
display(female)
display(female.mean())
female = pd.DataFrame(pixar.loc[pixar['M/F'] == 'F'])
female
# QUESTAO 2, TABELA 6/7 COLUNAS. Nome/RA/Media1/Media2/Media3/Media4.. 7 linhas. Nome tabela Df, conta aprovações e reprovações de cada a
# QUESTÃO 3, parecido com dois, mais de 50 materias. Print as 10 materias com mais alunos reprovados
#QUESTÃO 4, planilha com pessoas e varias infos, sex, nivel de ensino, salario mensal. Programa que cria tabela, primeiro sex fem com niv
#mulheres com nivel superior
df_al = pd.DataFrame({'Nome':['Joao', 'Maria', 'Pedro', 'Ana'],'RA':[101,102,103,104],'Media1':[6.5,8.3,3.2,5.9],'Media2':[5.6,3.8,7.3,9.
display(df_al)
df = df_al.set_index('Nome')
display(df)
Nome
#import numpy as np
#cond1 = [(df['Media1']>= 6.0), (df['Media1']<6.0)]
#cond2 = [(df['Media2']>= 6.0), (df['Media2']<6.0)]
#cond3 = [(df['Media3']>= 6.0), (df['Media3']<6.0)]
#escolha = ['Aprovado', 'Reprovado']
#df['Status1'] = np.select(cond1, escolha, default='Not Specified')
#df['Status2'] = np.select(cond2, escolha, default='Not Specified')
#df['Status3'] = np.select(cond2, escolha, default='Not Specified')
https://colab.research.google.com/drive/1xEkWzxsWcZ22Cecx6hOshY8gkkN-vwNT#printMode=true 3/4
07/12/2022 00:31 Untitled4.ipynb - Colaboratory
df.drop('Status1',axis=1)
df.drop('Status2',axis=1)
df.drop('Status3',axis=1)
display(df)
Nome
df.drop('Status1',axis=1,inplace =True)
df.drop('Status2',axis=1,inplace =True)
df.drop('Status3',axis=1,inplace =True)
display(df)
Nome
display(df.index)
for x in range(len(df.index)):
aprovado = 0
reprovado = 0
aluno = df.index[x]
l = df.values.tolist()
for notas in l[x]:
if notas>=6:
aprovado +=1
else:
reprovado +=1
print(f'{aluno} foi aprovado em {aprovado} e reprovado em {reprovado} materias')
https://colab.research.google.com/drive/1xEkWzxsWcZ22Cecx6hOshY8gkkN-vwNT#printMode=true 4/4