Pular para conteúdo

Tutorial de Pandas (parte 2)

Objetivos

  • Carregar e inspecionar arquivos CSV com pandas
  • Limpar e normalizar datasets
  • Transformar e remodelar dados
  • Combinar dois conjuntos em um DataFrame unificado
  • Realizar análise exploratória básica com pandas
  • Responder a perguntas analíticas usando operações do pandas

Pré-requisitos

Configuração do ambiente

Python
import pandas as pd

Certifique-se de que seu diretório de trabalho aponte para onde está a pasta datasets/.

Carregamento e inspeção dos dados

Python
mal = pd.read_csv('datasets/myanimelist.csv')
cr  = pd.read_csv('datasets/crunchyroll.csv')

Inspecione as primeiras linhas e as informações gerais:

Text Only
mal.head()
mal.info()

cr.head()
cr.info()

Limpeza dos dados

MyAnimeList

  • Remover duplicatas pelo título
  • Padronizar títulos para minúsculas
  • Eliminar caracteres não alfabéticos
Python
mal_clean = mal.drop_duplicates(subset='title').copy()
mal_clean['title'] = (
    mal_clean['title']
    .str.lower()
    .str.replace(r'[^a-z\s]', '', regex=True)
)

Crunchyroll

  • Renomear anime → title
  • Padronizar títulos para minúsculas
  • Selecionar colunas relevantes
Python
cr_clean = (
    cr
    .rename(columns={'anime': 'title'})
    .copy()
)
cr_clean['title'] = (
    cr_clean['title']
    .str.lower()
    .str.replace(r'[^a-z\s]', '', regex=True)
)

Transformação dos dados

Adicionar identificador da fonte

Python
mal_clean['source'] = 'MyAnimeList'
cr_clean['source'] = 'Crunchyroll'

Selecionar e alinhar colunas para união

Python
mal_sel = mal_clean[['title', 'episodes', 'members', 'popularity', 'ranked', 'source']]
cr_sel  = cr_clean[['title', 'episodes', 'votes', 'votes_weight', 'rate', 'source']]

Combinação e exploração dos dados

Unir os DataFrames

Python
stacked_df = pd.concat([mal_sel, cr_sel], ignore_index=True)

Análise exploratória básica

Python
stacked_df.head()
stacked_df.describe(include='all')

Perguntas

Utilize o DataFrame stacked_df para responder:

1. Qual anime possui o maior número de membros no MyAnimeList?

Resposta
Python
stacked_df[stacked_df['source'] == 'MyAnimeList'] \
 .sort_values('members', ascending=False) \
 .head(1)['title']

2. Qual anime apresenta a maior avaliação média no Crunchyroll?

Resposta
Python
stacked_df[stacked_df['source'] == 'Crunchyroll'] \
 .sort_values('rate', ascending=False) \
 .head(1)['title']

3. Qual anime tem o maior número de episódios?

Resposta
Python
stacked_df.sort_values('episodes', ascending=False) \
 .head(1)['title']

4. Qual o top 3 animes mais populares por ano no MyAnimeList?

Resposta
Python
mal_clean['start_date'] = pd.to_datetime(
mal_clean['aired'].str.split(' to ').str[0],
format='%b %d, %Y',
errors='coerce'
)
mal_clean['year'] = mal_clean['start_date'].dt.year

top3_pop_per_year = (
    mal_clean
    .sort_values(['year', 'popularity'])
    .groupby('year')
    .head(3)
    [['year', 'title', 'popularity']]
    .reset_index(drop=True)
)