7. Data Frames

7.1. Definição

Em síntese, um data frame consiste em uma tabela de dados capaz de armazenar diferentes classes de dados nas suas colunas.

Para ver um exemplo de data frame, podemos usar os dados do livro Introdução à Econometria: uma abordagem moderna de autoria de Jeffrey M. Wooldridge.

Para tal, precisamos instalar o pacote wooldridge.

Uma forma de instalar é utilizando o Jupyter Notebook (ou o Google Colaboratory) e digitando o comando:

!pip install wooldridge

Ou, com a plataforma Anaconda aberta, abra o prompt de comando, clicando no botão Launch em CMD.exe Prompt, como mostra a figura abaixo:

Abrirá uma janela, como abaixo:

Nessa janela utilize o comando:

pip install wooldridge

Oberve que na janela de comando não há o símbolo de exclamação no início!

Após digitar o comando, pressione enter.

Observação:

Mais informações sobre a instalação e o conteúdo desse pacote pode ser encontradas aqui.

De volta ao Jupyter Notebook, para acessar o pacote, precisamos usar o seguinte comando:

import wooldridge as wd

O pacote contém vários dados.

Como exemplo, faça leitura da base de dados wage1 com a função wd.data()(observe que wd foi a sigla utilizada quando importamos os dados do pacote wooldridge):

wage1 = wd.data('wage1')

Para ver os dados:

wage1

	wage	educ	exper	tenure	nonwhite	female	married	numdep	smsa	northcen	...	trcommpu	trade	services	profserv	profocc	clerocc	servocc	lwage	expersq	tenursq
0	3.10	11	2	0	0	1	0	2	1	0	...	0	0	0	0	0	0	0	1.131402	4	0
1	3.24	12	22	2	0	1	1	3	1	0	...	0	0	1	0	0	0	1	1.175573	484	4
2	3.00	11	2	0	0	0	0	2	0	0	...	0	1	0	0	0	0	0	1.098612	4	0
3	6.00	8	44	28	0	0	1	0	1	0	...	0	0	0	0	0	1	0	1.791759	1936	784
4	5.30	12	7	2	0	0	1	1	0	0	...	0	0	0	0	0	0	0	1.667707	49	4
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
521	15.00	16	14	2	0	1	1	2	0	0	...	0	0	0	1	1	0	0	2.708050	196	4
522	2.27	10	2	0	0	1	0	3	0	0	...	0	1	0	0	1	0	0	0.819780	4	0
523	4.67	15	13	18	0	0	1	3	0	0	...	0	0	0	0	1	0	0	1.541159	169	324
524	11.56	16	5	1	0	0	1	0	0	0	...	0	0	0	0	0	0	0	2.447551	25	1
525	3.50	14	5	4	1	1	0	2	0	0	...	0	0	0	1	0	1	0	1.252763	25	16

526 rows × 24 columns

Observe que a primeira coluna indica o número da observação (esse número é chamado de índice - index - dos dados), e a primeira linha refere-se ao nome das variáveis.

No total (contando a primeira linha e a primeira coluna), a base de dados conta com 526 linhas e 24 colunas.

Alternativamente, podemos acessar essa informação com o atributo shape:

wage1.shape

(526, 24)

Para visualizar o tipo de dado, podemos utilizar a função type():

type(wage1)

pandas.core.frame.DataFrame

Para realizar algumas manipulações (transformações) e análises de dados, precisamos usar um pacote específico.

O Pandas é um pacote Python que permite realizar tais manipulações e análises de dados. Se você está utilizando Anaconda, o pacote já está instalado na sua máquina.

A saída acima, indica que você está usando um Data Frame desse pacote.

Para sabermos mais informações sobre os dados, podemos utilizar a função info():

wage1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 526 entries, 0 to 525
Data columns (total 24 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   wage      526 non-null    float64
 1   educ      526 non-null    int64
 2   exper     526 non-null    int64
 3   tenure    526 non-null    int64
 4   nonwhite  526 non-null    int64
 5   female    526 non-null    int64
 6   married   526 non-null    int64
 7   numdep    526 non-null    int64
 8   smsa      526 non-null    int64
 9   northcen  526 non-null    int64
 10  south     526 non-null    int64
 11  west      526 non-null    int64
 12  construc  526 non-null    int64
 13  ndurman   526 non-null    int64
 14  trcommpu  526 non-null    int64
 15  trade     526 non-null    int64
 16  services  526 non-null    int64
 17  profserv  526 non-null    int64
 18  profocc   526 non-null    int64
 19  clerocc   526 non-null    int64
 20  servocc   526 non-null    int64
 21  lwage     526 non-null    float64
 22  expersq   526 non-null    int64
 23  tenursq   526 non-null    int64
dtypes: float64(2), int64(22)
memory usage: 98.8 KB

A saída nos mostra todas as variáveis, a quantidadade de entradas não nulas e o tipo dos dados em cada coluna.

Uma forma rápida de acessar informações descritivas (número de observações, média, desvio padrão, mínimo, quantis e máximo) sobre cada variável é o uso da função describe():

wage1.describe()

	wage	educ	exper	tenure	nonwhite	female	married	numdep	smsa	northcen	...	trcommpu	trade	services	profserv	profocc	clerocc	servocc	lwage	expersq	tenursq
count	526.000000	526.000000	526.00000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	...	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000	526.000000
mean	5.896103	12.562738	17.01711	5.104563	0.102662	0.479087	0.608365	1.043726	0.722433	0.250951	...	0.043726	0.287072	0.100760	0.258555	0.366920	0.167300	0.140684	1.623268	473.435361	78.150190
std	3.693086	2.769022	13.57216	7.224462	0.303805	0.500038	0.488580	1.261891	0.448225	0.433973	...	0.204680	0.452826	0.301298	0.438257	0.482423	0.373599	0.348027	0.531538	616.044772	199.434664
min	0.530000	0.000000	1.00000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	...	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	-0.634878	1.000000	0.000000
25%	3.330000	12.000000	5.00000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	...	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1.202972	25.000000	0.000000
50%	4.650000	12.000000	13.50000	2.000000	0.000000	0.000000	1.000000	1.000000	1.000000	0.000000	...	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1.536867	182.500000	4.000000
75%	6.880000	14.000000	26.00000	7.000000	0.000000	1.000000	1.000000	2.000000	1.000000	0.750000	...	0.000000	1.000000	0.000000	1.000000	1.000000	0.000000	0.000000	1.928619	676.000000	49.000000
max	24.980000	18.000000	51.00000	44.000000	1.000000	1.000000	1.000000	6.000000	1.000000	1.000000	...	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	1.000000	3.218076	2601.000000	1936.000000

8 rows × 24 columns

7.2. Selecionando informações em um Data Frame

Existem diversas formas para selecionar partes de um Data Frame.

Por exemplo, para selecionar a segunda linha da terceira coluna da data frame wage1, podemos usar o método iloc:

wage1.iloc[1, 2]

22

Observação:

Um método se refere a uma função que é parte de uma classe. Nesse caso, iloc é um método que está ligado a objetos do tipo Data Frame. Uma função pode ser utilizada em qualquer instancia ou objeto de qualquer classe. Assim, todos os métodos são funções, mas nem todas funções são métodos.

Fonte: datacamp

Lembre-se que a indexação em Python começa em zero. Logo, a segunda linha tem índice 1, a terceira coluna tem índice 2, e assim por diante.

De forma equivalente, podemos utilizar o nome da coluna, por meio do método loc:

wage1.loc[1, 'exper']

22

Para selecionar somente as colunas “wage” e “educ” pelo nome, podemos usar:

wage1.loc[1, ['wage', 'educ']]

wage     3.24
educ    12.00
Name: 1, dtype: float64

Podemos selecionar todas as informações de uma variável. Por exemplo, para selecionar apenas a variável educ do data frame, podemos usar a seguinte sintaxe:

wage1[['educ']]

	educ
0	11
1	12
2	11
3	8
4	12
...	...
521	16
522	10
523	15
524	16
525	14

526 rows × 1 columns

Observe que utilizamos colchetes duas vezes. Isso porque, estamos criando uma lista de colunas a serem selecionadas do banco de dados. O resultado é um subconjunto, que também possui o formato de data frame. Você pode selecionar quantas colunas desejar.

Podemos utilizar algum critério lógico para selecionar as linhas. Por exemplo, suponha que você queira observar apenas pessoas com mais de 30 anos de experiência no trabalho. Nesse caso, você utilizar o seguinte comando:

wage1[wage1["tenure"]>30]

	wage	educ	exper	tenure	nonwhite	female	married	numdep	smsa	northcen	...	trcommpu	trade	services	profserv	profocc	clerocc	servocc	lwage	expersq	tenursq
73	2.91	12	20	34	0	1	1	2	1	0	...	0	0	1	0	0	1	0	1.068153	400	1156
91	11.76	14	40	39	0	0	1	0	1	0	...	1	0	0	0	1	0	0	2.464704	1600	1521
264	8.75	12	47	44	0	0	1	0	0	0	...	0	0	0	0	0	0	0	2.169054	2209	1936
306	6.25	11	35	31	0	0	1	0	1	0	...	0	1	0	0	0	0	0	1.832582	1225	961
342	15.00	11	35	31	0	0	1	0	0	0	...	0	0	0	0	0	0	0	2.708050	1225	961
457	6.50	14	41	33	0	0	1	0	1	1	...	0	1	0	0	1	0	0	1.871802	1681	1089

6 rows × 24 columns

Observe que esse comando tem duas partes. Dentro do colchete estamos utilizando um operador lógico que indicara True ou False em cada linha. Depois, estamos pedindo para selecionar apenas True.

Para que fique mais claro, observe o que ocorre quando usamos apenas o comando que está dentro dos colchetes:

wage1["tenure"]>30

0      False
1      False
2      False
3      False
4      False
       ...
521    False
522    False
523    False
524    False
525    False
Name: tenure, Length: 526, dtype: bool

Temos uma lista de booleanos, informando se para cada linha é válido que a experiência é maior do que 30. Ou seja, quando colocamos o comando completo (wage1[wage1["tenure"]>30]) estamos selecionando as linhas do Data Frame wage1 para as quais ([wage1["tenure"]>30]) é verdadeiro.

Outras três funções muito usadas em data frames são: head()(para visualizar as primeiras 5 linhas da base de dados) e tail() (para visualizar as últimas 5 linhas da base de dados).

wage1.head()

	wage	educ	exper	tenure	nonwhite	female	married	numdep	smsa	northcen	...	trcommpu	trade	services	profserv	profocc	clerocc	servocc	lwage	expersq	tenursq
0	3.10	11	2	0	0	1	0	2	1	0	...	0	0	0	0	0	0	0	1.131402	4	0
1	3.24	12	22	2	0	1	1	3	1	0	...	0	0	1	0	0	0	1	1.175573	484	4
2	3.00	11	2	0	0	0	0	2	0	0	...	0	1	0	0	0	0	0	1.098612	4	0
3	6.00	8	44	28	0	0	1	0	1	0	...	0	0	0	0	0	1	0	1.791759	1936	784
4	5.30	12	7	2	0	0	1	1	0	0	...	0	0	0	0	0	0	0	1.667707	49	4

5 rows × 24 columns

wage1.tail()

	wage	educ	exper	tenure	nonwhite	female	married	numdep	smsa	northcen	...	trcommpu	trade	services	profserv	profocc	clerocc	servocc	lwage	expersq	tenursq
521	15.00	16	14	2	0	1	1	2	0	0	...	0	0	0	1	1	0	0	2.708050	196	4
522	2.27	10	2	0	0	1	0	3	0	0	...	0	1	0	0	1	0	0	0.819780	4	0
523	4.67	15	13	18	0	0	1	3	0	0	...	0	0	0	0	1	0	0	1.541159	169	324
524	11.56	16	5	1	0	0	1	0	0	0	...	0	0	0	0	0	0	0	2.447551	25	1
525	3.50	14	5	4	1	1	0	2	0	0	...	0	0	0	1	0	1	0	1.252763	25	16

5 rows × 24 columns

7.3. Importação de dados

Para Data Frames, a leitura, manipulação e exportação de diversos formatos de dados (CSV, XLS, XLSX, TXT, DTA, entre outros) pode ser feita utilizando o pandas.

Inicialmente, você precisará importar o pandas com o seguinte comando:

import pandas as pd

7.3.1. Arquivos CSV

Como exemplo, vamos usar a Base de Dados do Comércio Exterior Brasileiro (Comex Stat) disponibilizada pelo Governo Federal (Ministério da Economia) em www.gov.br. Você pode baixar os dados e salvar no seu diretório de trabalho.

Nos exemplos abaixo, vamos usar a base de dados de Exportações detalhada por NCM (Nomenclatura Comum do Mercosul) para o ano 2019.

Observação:

Os dados também estão disponíveis AQUI em zip. Extraia os dados no seu diretório de trabalho!

O arquivo CSV disponibilizado no Comex Stat utiliza separador ponto e vírgula (;) e apresenta o seguinte detalhamento:

• Ano

• Mês

• Código NCM

• Código da unidade estatística

• Código de país de destino/origem do produto

• Código da UF de origem/destino do produto

• Código da via de transporte

• Código da URF de embarque/desembarque

• Quantidade estatística

• Quilograma líquido

• Valor dólar FOB (US$)

Para importar os dados, podemos usar a função pd.read_csv() do pacote pandas. Para tal, vamos criar um objeto dexp (dados de exportações) da seguinte forma:

dexp = pd.read_csv("EXP_2019.csv", sep=';')

dexp.head()

	CO_ANO	CO_MES	CO_NCM	CO_UNID	CO_PAIS	SG_UF_NCM	CO_VIA	CO_URF	QT_ESTAT	KG_LIQUIDO	VL_FOB
0	2019	12	70193900	10	97	SP	7	147600	0	0	24
1	2019	12	85444200	10	63	SP	4	817700	99	96	9299
2	2019	12	84099111	11	493	SP	4	817600	2	2	63
3	2019	12	87087090	11	493	SP	4	817700	15	231	908
4	2019	12	32041990	10	586	SC	7	147800	1200	1200	26494

Lembrete:

Para verificar os argumentos da função, basta usar o help: help(pd.read_csv)

Para verificar o tamanho da base de dados podemos utilizar o método shape:

dexp.shape

(1393174, 11)

Os dados contam com 1.416.884 linhas e 11 colunas.

Atenção:

Vamos trabalhar com essa base de dados também na Seção 7.4 - Manipulação de dados.

7.3.2. Arquivos XLS e XLSX

Assim como o caso do CSV, vamos usar o pandas para ler o arquivo em Excel.

Como exemplo, faça o download do arquivo EXP2019_ComexStat AQUI.

Observação:

Após fazer o download, salve o arquivo XLSX no seu diretório de trabalho.

Para importar os dados, podemos usar a função pd.read_excel. Para tal, especifique um objeto dados com:

dados = pd.read_excel("EXP2019_ComexStat.xlsx")

Novamente, podemos verificar a base, digitando seu nome:

dados

	ano	uf	exp
0	2019	AC	0.032853
1	2019	AL	0.319089
2	2019	AM	0.731092
3	2019	AP	0.261368
4	2019	BA	8.168158
5	2019	CE	2.275188
6	2019	DF	0.160701
7	2019	ES	8.800322
8	2019	GO	7.133398
9	2019	MA	3.543623
10	2019	MG	25.138579
11	2019	MS	5.243446
12	2019	MT	17.206104
13	2019	ND	1.937193
14	2019	PA	17.841239
15	2019	PB	0.126299
16	2019	PE	1.466347
17	2019	PI	0.542833
18	2019	PR	16.454197
19	2019	RJ	28.634459
20	2019	RN	0.394853
21	2019	RO	1.303910
22	2019	RR	0.157707
23	2019	RS	18.545065
24	2019	SC	8.951839
25	2019	SE	0.050561
26	2019	SP	48.852560
27	2019	TO	1.110499

Ou, verificar o tamanho, com o atributo shape:

dados.shape

(28, 3)

Na próxima seção, faremos alterações nessa base de dados.

7.4. Manipulação de dados

Conforme destacado acima, a base de dados de exportações conta com muitas observações e variáveis. Vamos usar o pandas para manipular os dados, como por exemplo, selecionar, criar e renomear variáveis, filtrar observações, etc.

Para iniciar, vamos visualizar novamente a base de dados dexp da seção anterior (se você está no mesmo notebook e já importou os dodos, não é necessário importar novamente).

Observe os nomes das colunas (variáveis).

dexp

	CO_ANO	CO_MES	CO_NCM	CO_UNID	CO_PAIS	SG_UF_NCM	CO_VIA	CO_URF	QT_ESTAT	KG_LIQUIDO	VL_FOB
0	2019	12	70193900	10	97	SP	7	147600	0	0	24
1	2019	12	85444200	10	63	SP	4	817700	99	96	9299
2	2019	12	84099111	11	493	SP	4	817600	2	2	63
3	2019	12	87087090	11	493	SP	4	817700	15	231	908
4	2019	12	32041990	10	586	SC	7	147800	1200	1200	26494
...	...	...	...	...	...	...	...	...	...	...	...
1393169	2019	10	65050019	10	589	SP	4	817700	300	300	861
1393170	2019	10	20059900	10	815	RS	1	927800	40210	40210	29975
1393171	2019	10	40093100	10	161	SP	4	817700	0	0	2
1393172	2019	10	7108000	10	573	ES	1	727600	13	13	46
1393173	2019	10	94036000	11	87	SC	4	817700	10	405	290

1393174 rows × 11 columns

Alternativamente, confira os nomes das colunas com o atributo colunms:

dexp.columns

Index(['CO_ANO', 'CO_MES', 'CO_NCM', 'CO_UNID', 'CO_PAIS', 'SG_UF_NCM',
       'CO_VIA', 'CO_URF', 'QT_ESTAT', 'KG_LIQUIDO', 'VL_FOB'],
      dtype='object')

Observação:

AQUI, você encontra um guia rápido do pandas, escrito pelo pessoal do Data Camp.

Vejamos algumas manipulações muito utilizadas em bancos de dados:

7.4.1. Selecionar variáveis

Para selecionar apenas algumas variáveis, podemos criar um novo objeto dexp_mod especificado a partir da seleção de algumas variáveis da base original, como Ano (“CO_ANO”), Mês (“CO_MES”), UF (“SG_UF_NCM”) e Valor FOB (“VL_FOB”):

dexp_mod = dexp[["CO_ANO", "CO_MES", "SG_UF_NCM", "VL_FOB"]]

Para verificar a nova base, podemos utilizar o método head()

dexp_mod.head()

	CO_ANO	CO_MES	SG_UF_NCM	VL_FOB
0	2019	12	SP	24
1	2019	12	SP	9299
2	2019	12	SP	63
3	2019	12	SP	908
4	2019	12	SC	26494

7.4.2. Renomear variáveis

Para renomear as variáveis, podemos usar o método rename().

Por exemplo, para renomear “CO_ANO” como “ano”, “CO_MES” como “mes”, “SG_UF_NCM” como “uf” e “VL_FOB” como “exp” na base de dados dexp_mod, o seguinte código pode ser usado:

dexp_mod = dexp_mod.rename(
    columns={
        "CO_ANO":"ano",
        "CO_MES":"mes",
        "SG_UF_NCM":"uf",
        "VL_FOB":"exp"
    }
)

Observe que a nova base de dados tem o mesmo nome que a anterior. Se você abrir o objeto dexp_mod, as variáveis estarão com os novos nomes.

Observação:

O que está dentro dos colchetes é um dicionário, o que também é uma estrutura de dados em Python. Basicamente, um dicionário é uma correspondência. Para mais informações acesse: https://docs.python.org/3/tutorial/datastructures.html#dictionaries

7.4.3. Modificar dados

Para criar o log de uma variável, precisamos utilizar o pacote numpy que será importado com a abreviação np:

import numpy as np

Para criar o log de uma variável, precisamos utilizar a função np.log() do numpy, diretamente sobre a coluna selecionada. Por exemplo, para obtermos o log do valor das exportações e salvá-la com o nome log_exp, podemos utilizar o seguinte código:

dexp_mod["log_exp"] = np.log(dexp_mod["exp"])

C:\Users\kenia\anaconda3\lib\site-packages\pandas\core\arraylike.py:397: RuntimeWarning: divide by zero encountered in log
  result = getattr(ufunc, method)(*inputs, **kwargs)

Observe que a mensagem de warning indica que existem logs de zero, o que resulta em um número indefinido. Você pode organizar o banco de dados por exportações, e verificar que quando as exportações são zero, o resultado é -inf:

dexp_mod.sort_values("exp")

	ano	mes	uf	exp	log_exp
1054934	2019	9	SP	0	-inf
890669	2019	1	SP	0	-inf
164536	2019	4	SC	0	-inf
1140392	2019	12	PR	0	-inf
55192	2019	4	RS	0	-inf
...	...	...	...	...	...
720860	2019	11	PA	734708540	20.414984
879091	2019	9	PA	870210045	20.584245
450799	2019	4	RJ	967127923	20.689841
546053	2019	8	PA	1093983387	20.813091
1132686	2019	7	PA	1193313692	20.900000

1393174 rows × 5 columns

Podemos também transformar o valor US$ FOB das exportações em bilhões com a divisão:

dexp_mod["exp"] = (dexp_mod["exp"]/1000000000)

Observe que nesse caso, estamos substituindo a variável exp pelo valor em bilhões:

dexp_mod.head()

	ano	mes	uf	exp	log_exp
0	2019	12	SP	2.400000e-08	3.178054
1	2019	12	SP	9.299000e-06	9.137662
2	2019	12	SP	6.300000e-08	4.143135
3	2019	12	SP	9.080000e-07	6.811244
4	2019	12	SC	2.649400e-05	10.184674

7.4.4. Agrupar e agregar dados

Para agrupar a base de dados, podemos utilizar o método groupby() do pandas, combinado com outras funções. Por exemplo, podemos obter a soma da variável de exportações, agrupada por ano e UF:

dexp_mod.groupby(["ano","uf"],  as_index=False)["exp"].sum()

	ano	uf	exp
0	2019	AC	0.032853
1	2019	AL	0.319089
2	2019	AM	0.731093
3	2019	AP	0.261368
4	2019	BA	8.162484
5	2019	CE	2.275193
6	2019	DF	0.160701
7	2019	ES	7.105386
8	2019	GO	7.133399
9	2019	MA	3.543623
10	2019	MG	25.138590
11	2019	MS	5.243447
12	2019	MT	17.206105
13	2019	ND	1.937193
14	2019	PA	17.841241
15	2019	PB	0.126300
16	2019	PE	1.466346
17	2019	PI	0.542833
18	2019	PR	16.403308
19	2019	RJ	27.624210
20	2019	RN	0.394854
21	2019	RO	1.303910
22	2019	RR	0.157707
23	2019	RS	17.256958
24	2019	SC	8.951856
25	2019	SE	0.050562
26	2019	SP	48.645702
27	2019	TO	1.110498

Observação:

Repare que utilizamos o argumento as_index=False ao usar o método groupby. Isso porque, quando não utilizamos esse argumento, [“ano”,“uf”] serão considerados índices da nova série criada. Ao deixar as_index=False, estamos mantendo o índice como uma sequência numérica.

Podemos ainda utilizar várias estatísticas ao mesmo tempo (por exemplo, soma, mínimo e máximo), utilizando o método agg():

dexp_mod.groupby(["ano","uf"],  as_index=False)["exp"].agg([sum, min, max])

		sum	min	max
ano	uf
2019	AC	0.032853	9.000000e-09	0.000954
	AL	0.319089	0.000000e+00	0.021772
	AM	0.731093	0.000000e+00	0.013352
	AP	0.261368	1.000000e-09	0.018698
	BA	8.162484	0.000000e+00	0.153340
	CE	2.275193	0.000000e+00	0.113706
	DF	0.160701	0.000000e+00	0.006417
	ES	7.105386	0.000000e+00	0.129798
	GO	7.133399	0.000000e+00	0.161175
	MA	3.543623	0.000000e+00	0.118354
	MG	25.138590	0.000000e+00	0.304937
	MS	5.243447	0.000000e+00	0.152393
	MT	17.206105	0.000000e+00	0.491826
	ND	1.937193	6.000000e-08	0.085973
	PA	17.841241	0.000000e+00	1.193314
	PB	0.126300	0.000000e+00	0.003244
	PE	1.466346	0.000000e+00	0.043024
	PI	0.542833	0.000000e+00	0.056123
	PR	16.403308	0.000000e+00	0.281062
	RJ	27.624210	0.000000e+00	0.967128
	RN	0.394854	0.000000e+00	0.025583
	RO	1.303910	7.000000e-09	0.027731
	RR	0.157707	1.000000e-09	0.012068
	RS	17.256958	0.000000e+00	0.579854
	SC	8.951856	0.000000e+00	0.065901
	SE	0.050562	0.000000e+00	0.002872
	SP	48.645702	0.000000e+00	0.259384
	TO	1.110498	0.000000e+00	0.091234

7.5. Exportação de dados

Podemos utilizar o pandas para exportar dados para diversos formatos como CSV e XLSX.

Vamos retomar a base de dados modificada anteriormente, e salvar os dados somados de exportação por UF com o nome tabela:

tabela = dexp_mod.groupby(["ano","uf"],  as_index=False).sum()

Esses dados serão salvos em CSV e XLS.

7.5.1. Dados em CSV

Suponha que você queira exportar a tabela com dados agregados das exportações por UF e ano.

Nesse caso, podemos usar, por exemplo, a função to_csv() do pacote pandas:

tabela.to_csv('Exp_UF_2019v.csv')

Observe que a base de dados foi salva no seu diretório de trabalho. Se você abrir o arquivo CSV, irá observar que os dados estão separados por vírgula. A função to_csv() utiliza vírgula (,) como separador padrão.

Para mudar o separador para ponto e vírgula (;), precisamos indicar no argumento sep da função:

tabela.to_csv('Exp_UF_2019pv.csv', sep=';')

De forma alternativa, se quisermos salvar a tabela apenas externamente, podemos encadear os dois códigos, usando:

dexp_mod.groupby(["ano","uf"], as_index=False).sum().to_csv('Exp_UF_2019pv.csv', sep=';')

Lembre-se, você pode tirar suas dúvidas sobre as funções com a função help:

help(pd.DataFrame.to_csv)

7.5.2. Dados em XLSX

Para exportar para excel, podmeos usar a função to_excel() do pacote pandas:

tabela.to_excel('Exp_UF_2019.xlsx',  sheet_name = "2019")

Observe que o argumento sheet_name, escreve 2019 no nome da aba do excel. Esse é um argumento opcional do método, que será muito útil principalmente quando você precisar salvar várias abas no mesmo arquivo.

Atenção:

O pacote pandas possui diversas outras opções para ler e escrever dados, que podem ser conferidas em: https://pandas.pydata.org/docs/reference/io.html.