DataFrames em pandas: Criação, Importação, Filtragem e Desempenho Vetorizado | Vídeo 07

00:00 DataFrame como estrutura tabular em pandas
00:47 Vetores NumPy como colunas do DataFrame
02:33 Construção com pd.DataFrame e verificação com head
04:21 Criação de coluna bmi com operação vetorizada
05:56 Remoção de colunas com drop
07:24 Leitura de CSV com read_csv a partir de URL
08:58 Persistência com pickle usando to_pickle e read_pickle
10:25 Exportação para CSV com to_csv
11:44 Filtragem de linhas com máscara booleana
13:07 Desempenho de operações vetorizadas com 100.000 linhas
14:29 Tipos de dados de colunas com dtypes
16:04 Baixo desempenho de loops com loc
17:38 Otimização intermediária com to_numpy e loop
19:09 Síntese sobre DataFrames, vetorização e eficiência

Descrição do vídeo

O conteúdo define DataFrame em pandas como uma estrutura tabular bidimensional e mostra como criar colunas a partir de arrays NumPy, montar uma tabela com pd.DataFrame, inspecionar com head, criar colunas derivadas como bmi por vetorização, remover colunas com drop e filtrar linhas com máscara booleana. Também cobre leitura de CSV via read_csv com header=None, persistência com pickle por to_pickle e read_pickle, exportação com to_csv, verificação de dtypes e comparação de desempenho entre vetorização, loop com loc e otimização intermediária usando to_numpy.

📚 Este vídeo faz parte de uma sequência sobre Programação em Python para Análise de Dados.
▶️ Vídeo anterior: Processamento Vetorizado com NumPy e pandas para Cálculo Estatístico em Tabelas | Vídeo 06
▶️ Próximo vídeo: Carregamento, Persistência e Filtragem de Dados com pandas e NumPy | Vídeo 08