Pandas join, merge e concat.

O Pandas é uma das bibliotecas Python mais poderosa para trabalhar com análise e tratamento de dados.

Uma das capacidades que o Pandas tem de poderoso é combinar informações de fontes de dados diferentes para cruzamento de dados.

Para isso, o Pandas tem os seguintes métodos: join, merge e concat.

Neste pequeno tutorial vamos mostrar como cruzar 2 DataFrames diferentes utilizando os métodos ditos.

O método join e o merge são similares na questão de juntar 2 colunas, a diferença estará somente no modo de operação, já o concat permite juntar tanto colunas como linhas.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2022/pandas.html.

Python data class.

A partir da versão Python 3.7 foi adicionado a capacidade data class na biblioteca padrão.

Data class permite manusear estrutura de dados de forma simples no Python.

Em forma de decorator, só é necessário adicionar o decorator @dataclass acima do nome da classe.

Com essa nova feature utilizando o decorator evitamos métodos boilerplate, onde não é necessário implementar os métodos __init__, __hash__, __eq__, entre outros.

Lembrando que antes da versão Python 3.7 é necessário instalar a biblioteca com as features para data class.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyDataClass.html.

Python e estrutura de dados.

A estrutura de dados é algo fundamental na programação.

Com Python não seria diferente, e nesse Post vamos mostrar algumas formas de estruturar nossos dados utilizando Python.

Uma particularidade do Python quando trabalhamos com listas é que ela não é tão organizada como em Java que proporciona uma interface com várias implementações de tipos de listas.

Vamos ver nesse Post algumas formas de utilização das listas e como utilizar para estruturar dados.

Escolher o tipo de implementação de lista pode determinar a eficiência da estrutura de dados utilizado na aplicação.

Acesse o artigo completo em: https://nakatech.herokuapp.com/article/pyData.html.