Aula de Manipulação de dados em Python

Arquivos CSV

Um arquivo CSV (Comma-Separated Values) é um formato simples e muito usado para armazenar e trocar dados em forma de tabela. Nele, cada linha representa um registro e cada coluna é separada por vírgula (,), ponto e vírgula (;) ou outro delimitador.

✨ Principais características:

  • É um arquivo de texto puro, fácil de abrir em qualquer editor ou programa.
  • Pode ser lido e escrito por diversos sistemas e linguagens de programação.
  • É amplamente usado para importar e exportar dados entre bancos de dados, planilhas (como Excel) e softwares.

📌 Exemplo de CSV:

nome,idade,cidade
Maria,25,São Paulo
João,30,Rio de Janeiro
Ana,22,Belo Horizonte

👉 Nesse exemplo:

  • A primeira linha traz o cabeçalho (nomes das colunas).
  • As linhas seguintes são os dados.

💡 Por ser simples e leve, o CSV é ideal quando precisamos de compatibilidade e portabilidade de dados, mas não traz recursos avançados como fórmulas ou formatação, presentes em arquivos de planilha.

Como criar um arquivo CSV

Entre no notepad++ e crie um novo arquivo.

Copie o seguinte conteúdo.

nome,idade,cidade
Maria,25,São Paulo
João,30,Rio de Janeiro
Ana,22,Belo Horizonte

Em seguida salve como listagem.csv

Pronto voce tem um arquivo csv válido.

Usando o Pandas

Pandas é uma biblioteca do Python muito usada para análise e manipulação de dados. Ele facilita o trabalho com tabelas, planilhas e arquivos CSV, oferecendo estruturas como DataFrame (que parece uma tabela do Excel dentro do Python).

📌 Explicação simplificada:

  • O pandas permite ler arquivos CSV com apenas um comando.
  • Depois de carregado, os dados ficam em um DataFrame, onde podemos visualizar, filtrar, ordenar e até realizar cálculos.
  • É uma das bibliotecas mais usadas em ciência de dados e análise de dados.

Exemplo em Python usando o listagem.csv:

import pandas as pd

# Lê o arquivo CSV
df = pd.read_csv("listagem.csv")

# Exibe o conteúdo do arquivo
print(df)

✨ O código faz o seguinte:

  1. Importa o pandas.
  2. Usa pd.read_csv() para ler o arquivo chamado listagem.csv.
  3. Guarda os dados no DataFrame df.
  4. Imprime todo o conteúdo do arquivo.

💡 Assim, você consegue transformar seu CSV em uma tabela bem estruturada para manipulação dentro do Python.

Varrendo os registros de um CSV.

Depois de carregar o CSV no Pandas, você pode percorrer os registros linha a linha usando o método iterrows(). Assim, cada linha é lida como um índice e uma série de dados.

📌 Aqui está a continuação do programa:

import pandas as pd

# Lê o arquivo CSV
df = pd.read_csv("listagem.csv")

# Exibe todo o conteúdo do arquivo
print("Conteúdo completo do arquivo:\n")
print(df)

print("\nVarredura linha a linha:\n")
# Percorre cada linha do DataFrame
for index, row in df.iterrows():
    print(f"Linha {index}: {row.to_dict()}")

✨ O que esse código faz:

  1. Lê o listagem.csv no DataFrame df.
  2. Mostra o conteúdo completo.
  3. Varre linha por linha do DataFrame.
  4. Para cada linha, imprime um dicionário com os nomes das colunas e os valores.

📌 Exemplo de saída (supondo o CSV com nome,idade,cidade):

Linha 0: {'nome': 'Maria', 'idade': 25, 'cidade': 'São Paulo'}
Linha 1: {'nome': 'João', 'idade': 30, 'cidade': 'Rio de Janeiro'}
Linha 2: {'nome': 'Ana', 'idade': 22, 'cidade': 'Belo Horizonte'}

Quer que eu prepare uma versão onde, ao invés de imprimir o dicionário inteiro, já traga cada campo formatadinho, tipo:
👉 Maria - 25 anos - São Paulo?

Verificando informações com PANDAS

Podemos deixar o programa interativo: ele pergunta ao usuário uma faixa de idade (mínimo e máximo) e depois filtra as pessoas do listagem.csv que estão dentro desse intervalo.

Aqui está o código:

import pandas as pd

# Lê o arquivo CSV
df = pd.read_csv("listagem.csv")

# Pergunta ao usuário a faixa de idade
idade_min = int(input("Digite a idade mínima: "))
idade_max = int(input("Digite a idade máxima: "))

# Filtra os registros que estão na faixa
resultado = df[(df['idade'] >= idade_min) & (df['idade'] <= idade_max)]

# Mostra o resultado
print("\nPessoas dentro da faixa etária escolhida:\n")
if resultado.empty:
    print("Nenhuma pessoa encontrada nessa faixa de idade.")
else:
    for index, row in resultado.iterrows():
        print(f"{row['nome']} - {row['idade']} anos - {row['cidade']}")

✨ O que acontece aqui:

  1. Lê o CSV no DataFrame.
  2. Pede ao usuário a idade mínima e máxima.
  3. Usa um filtro lógico para selecionar apenas quem está entre os dois valores.
  4. Mostra o resultado de forma organizada.

📌 Exemplo de saída:






Digite a idade mínima: 20
Digite a idade máxima: 25

Pessoas dentro da faixa etária escolhida:

Maria - 25 anos - São Paulo
Ana - 22 anos - Belo Horizonte






Outras funcionalidades do pandas





O Pandas é super poderoso e tem muitas funcionalidades além de só ler e filtrar CSV. Vou te mostrar algumas das mais usadas com exemplos práticos:










📌 1. Mostrar só algumas linhas





print(df.head())   # primeiras 5 linhas
print(df.tail())   # últimas 5 linhas











📌 2. Ver informações rápidas do DataFrame





print(df.info())     # mostra colunas, tipos e nulos
print(df.describe()) # estatísticas (média, desvio, min, max, etc.)











📌 3. Selecionar colunas específicas





print(df['nome'])          # apenas a coluna "nome"
print(df[['nome', 'idade']])  # duas colunas











📌 4. Filtrar com condições





# Pessoas acima de 25 anos
print(df[df['idade'] > 25])

# Pessoas da cidade "São Paulo"
print(df[df['cidade'] == "São Paulo"])











📌 5. Ordenar registros





print(df.sort_values(by="idade"))              # do mais novo para o mais velho
print(df.sort_values(by="idade", ascending=False))  # do mais velho para o mais novo











📌 6. Agrupar dados





# Média de idade por cidade
print(df.groupby("cidade")["idade"].mean())











📌 7. Contar ocorrências





# Quantas pessoas por cidade
print(df["cidade"].value_counts())











📌 8. Criar ou modificar colunas





# Criar coluna com idade em meses
df["idade_meses"] = df["idade"] * 12
print(df)











📌 9. Exportar resultados





# Salvar em outro CSV
df.to_csv("resultado.csv", index=False)











✨ Ou seja, o Pandas serve não só para ler arquivos CSV, mas também para explorar, analisar e transformar dados de forma rápida e prática.





Buscar dados e analise dos dados.





Existem locais que se pode buscar dados abertos, em geral. O governo fornece diversas bases de dados para que seja utilizada por alunos e profissionais a fim de analise de dados.





https://arquivos.receitafederal.gov.br/dados/cnpj/dados_abertos_cnpj/2025-08





CNAEBaixar





Se olharmos estes dados podemos verificar o cnae de diversos produtos. 





0111301″;”Cultivo de arroz”
“0111302”;”Cultivo de milho”
“0111303”;”Cultivo de trigo”
“0111399”;”Cultivo de outros cereais não especificados anteriormente”
“0112101”;”Cultivo de algodão herbáceo”
“0112102”;”Cultivo de juta”
“0112199”;”Cultivo de outras fibras de lavoura temporária não especificadas anteriormente”
“0113000”;”Cultivo de cana-de-açúcar”
“0114800”;”Cultivo de fumo”
“0115600”;”Cultivo de soja”
“0116401”;”Cultivo de amendoim”
“0116402”;”Cultivo de girassol”
“0116403”;”Cultivo de mamona”
“0116499”;”Cultivo de outras oleaginosas de lavoura temporária não especificadas anteriormente”
“0119901”;”Cultivo de abacaxi”
“0119902”;”Cultivo de alho”
“0119903”;”Cultivo de batata-inglesa”
“0119904”;”Cultivo de cebola”
“0119905”;”Cultivo de feijão”





O CNAE significa Classificação Nacional de Atividades Econômicas.





📌 Ele é um padrão oficial no Brasil criado pelo IBGE e utilizado pela Receita Federal, juntas comerciais, prefeituras e outros órgãos para identificar e categorizar a atividade econômica de empresas e profissionais.





✨ Principais pontos:





    

  • Cada atividade econômica tem um código numérico único (exemplo: comércio de roupas, consultoria em TI, fabricação de móveis etc.).
    • 




  • É usado em cadastros fiscais (como o CNPJ) e em registros de empresas.
    • 




  • Serve para padronizar estatísticas e informações econômicas em nível nacional.
    • 




  • Impacta diretamente em tributos e enquadramento fiscal (pois a atividade define impostos e obrigações).
    • 











📌 Exemplo de código CNAE:





    

  • 62.01-5/01 → Desenvolvimento de programas de computador sob encomenda.
    • 




  • 47.54-7/01 → Comércio varejista de móveis.
    • 











Ou seja, o CNAE funciona como um RG da atividade da empresa, identificando exatamente o que ela faz.





Tarefa.





Buscar atividades relacionadas que contem a palavra açaí.





Desenvolva um programa que pega a lista de CNAI e dado uma palavra busca todos os que tiverem aquela palavra.