Vamos continuar a arrumar a casa para poder tirar os dados que serão utilizados para nossas análises.
Na coluna “Ano” do dataframe “RGN”, e outras colunas do mesmo os dados numéricos estão com seu tipo em float, mas o ano nos queremos como inteiro, logo vamos mudar ele. Claro vai ter outras colunas que eu preciso mudar para a hora H, eu poderia sim fazer a conversão de todas as colunas de uma só vez porém vou optar por, um passo de cadas vez, já que comando aprendido pode ser reutilizado quando quisermos.
Lembrando para visualizarmos o tipo do dado das colunas do dataframe e so usar o ” dtypes”.
dfRGN.dtypes
E para alterarmos o tipo do dado usamos o comando ” astype”, informando o dataframe, a coluna desejada e comando e o novo tipo.
dfRGN[‘Ano’] = dfRGN[‘Ano’].astype(‘int64’)
Para termos um visual desta escrita toda e assim que fica.
E agora como ficou na dataframe a coluna “Ano” ?????
Beleza vou criar agora um dataframe com todos os dados dos 27 estados usando o concat.
df_estados = pd.concat([dfAcre,dfAlagoas,dfBahia,dfAmapa,dfAmazonas,dfCeara,dfDF,dfES,dfGoias,dfMG,dfMGr,dfMGrs,dfMaranhao,dfParaiba,dfParana,dfRGN,dfPara,dfPernambuco,dfPiaui,dfRGS,dfRJ,dfRondonia,dfRoraima,dfSC,dfSP,dfSergipe,dfTocantins],axis=0,ignore_index=True)
Vamos olhar como ficou com o comando unique verificamos os valores unicos da dataframe na coluna ” Estado” e depois vamos chamar o novo dataframe com um filtrada pois ele e grandinho.
Beleza temos um dataframe com todos os dados. E agora tem muito dado o nao vou precisar de tudo isso para esta primeira parte de analise que pretendo fazer então o que fazer… ou a gente faz um drop nas colunas e linhas que não quer. Ou a gente filtra os dados e criar um outro dataframe com os dados filtrados e então??????
Aguarde cenas do próximo capítulo…
Beijos, Maga.😘