07/12/2022 00:31 Untitled4.

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)

Movie Year Main Character

0 Inside Out 2015 Joy

1 Coco 2017 Miguel

2 Luca 2021 Luca

3 Soul 2020 Joe

pixar.rename(columns={'Movie':'Filme','Year':'Ano','Main Character':'Protagonista'}, inplace = True)
display(pixar)

Filme Ano Protagonista

0 Inside Out 2015 Joy

1 Coco 2017 Miguel

2 Luca 2021 Luca

3 Soul 2020 Joe

pixar.columns=['FILME','ANO','PROTAGONISTA']
display(pixar)

FILME ANO PROTAGONISTA

0 Inside Out 2015 Joy

1 Coco 2017 Miguel

2 Luca 2021 Luca

3 Soul 2020 Joe

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

Inside Out 2015 Joy

Coco 2017 Miguel

Luca 2021 Luca

Soul 2020 Joe

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

Ratatuille 2007 Remy

Toy Story 1994 Woody

Up! 2010 Russell

Brave 2012 Merida

pixar= pixar.append(pixar_2)
display(pixar)

ANO PROTAGONISTA

Inside Out 2015 Joy

Coco 2017 Miguel

Luca 2021 Luca

Soul 2020 Joe

Ratatuille 2007 Remy

Toy Story 1994 Woody

Up! 2010 Russell

Brave 2012 Merida

a_2009 = pd.DataFrame(pixar.loc[(pixar['ANO'] <=2009), ['ANO','PROTAGONISTA']])

display(a_2009)

ANO PROTAGONISTA

Ratatuille 2007 Remy

Toy Story 1994 Woody

pixar

ANO PROTAGONISTA

Inside Out 2015 Joy

Coco 2017 Miguel

Luca 2021 Luca

Soul 2020 Joe

Ratatuille 2007 Remy

Toy Story 1994 Woody

Up! 2010 Russell

Brave 2012 Merida

pixar['GEN'] = ['F','M','M','M','M','M','M','F']
pixar['Idade'] = [30,10,10,45,20,32,10,16]

display(pixar)

ANO PROTAGONISTA M/F GEN Idade

Inside Out 2015 Joy F F 30

Coco 2017 Miguel M M 10

Luca 2021 Luca M M 10

Soul 2020 Joe M M 45

Ratatuille 2007 Remy M M 20

Toy Story 1994 Woody M M 32

Up! 2010 Russell M M 10

Brave 2012 Merida F F 16

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)

ANO PROTAGONISTA M/F GEN Idade

Inside Out 2015 Joy F F 30

Brave 2012 Merida F F 16

display(female.mean())

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:1: FutureWarning: Dropping of nuisance col

"""Entry point for launching an IPython kernel.
ANO 2013.5
Idade 23.0
dtype: float64

female = pd.DataFrame(pixar.loc[pixar['M/F'] == 'F'])

female

ANO PROTAGONISTA M/F

Inside Out 2015 Joy F

Brave 2012 Merida F

# 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)

Nome RA Media1 Media2 Media3

0 Joao 101 6.5 5.6 10.0

1 Maria 102 8.3 3.8 8.8

2 Pedro 103 3.2 7.3 2.9

3 Ana 104 5.9 9.9 6.6

df = df_al.set_index('Nome')
display(df)

RA Media1 Media2 Media3

Nome

Joao 101 6.5 5.6 10.0

Maria 102 8.3 3.8 8.8

Pedro 103 3.2 7.3 2.9

Ana 104 5.9 9.9 6.6

#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)

RA Media1 Media2 Media3 Status1 Status2 Status3 Status

Nome

Joao 101 6.5 5.6 10.0 Aprovado Reprovado Reprovado 1

Maria 102 8.3 3.8 8.8 Aprovado Reprovado Reprovado 1

Pedro 103 3.2 7.3 2.9 Reprovado Aprovado Aprovado 1

Ana 104 5.9 9.9 6.6 Reprovado Aprovado Aprovado 1

df.drop('Status1',axis=1,inplace =True)
df.drop('Status2',axis=1,inplace =True)
df.drop('Status3',axis=1,inplace =True)
display(df)

RA Media1 Media2 Media3

Nome

Joao 101 6.5 5.6 10.0

Maria 102 8.3 3.8 8.8

Pedro 103 3.2 7.3 2.9

Ana 104 5.9 9.9 6.6

display(df.index)

Index(['Joao', 'Maria', 'Pedro', 'Ana'], dtype='object', name='Nome')

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')

Joao foi aprovado em 3 e reprovado em 1 materias

Maria foi aprovado em 3 e reprovado em 1 materias
Pedro foi aprovado em 2 e reprovado em 2 materias
Ana foi aprovado em 3 e reprovado em 1 materias

https://colab.research.google.com/drive/1xEkWzxsWcZ22Cecx6hOshY8gkkN-vwNT#printMode=true 4/4