Como fazer tabela dinâmica do Excel no Python com 1 comando?

Tabela dinâmica é uma ferramenta de análise de dados essencial para extrair informações rapidamente. O que poucos sabem é que não é necessário ter o Excel para criar tabelas dinâmicas. Neste artigo mostramos como produzir tabelas dinâmicas com dados econômicos usando a linguagem Python, em apenas 1 comando!

Dados de exemplo

Os dados de exemplo que usaremos para criar tabelas dinâmicas no Python são sobre a situação do desemprego no Brasil. A fonte dos dados é o IBGE, através da sua pesquisa PNADC/T, disponibilizando o número de pessoas desocupadas (em mil) por tempo de procura de trabalho e por unidade federativa, além do trimestre de referência.

periodo estado tempo_procura pessoas_desocupadas
319 2023 T2 Distrito Federal 2 anos ou mais 31
320 2023 T3 Distrito Federal Menos de 1 mês 23
321 2023 T3 Distrito Federal De 1 mês a menos de 1 ano 83
322 2023 T3 Distrito Federal De 1 ano a menos de 2 anos 25
323 2023 T3 Distrito Federal 2 anos ou mais 25

Criando tabelas dinâmicas no Python

Para criar tabelas dinâmicas no Python podemos utilizar a popular biblioteca Pandas para análise de dados. Com apenas um comando é possível gerar a tabela dinâmica da forma que o usuário desejar, definindo as colunas dos valores, os agrupamentos e as funções de agregações. Neste exemplo calculamos o total de pessoas desocupadas por estado e período:

Para obter o código deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

pessoas_desocupadas
estado periodo
Acre 2023 T1 33
2023 T2 31
2023 T3 21
Alagoas 2023 T1 143
2023 T2 130
... ... ...
São Paulo 2023 T2 2032
2023 T3 1862
Tocantins 2023 T1 56
2023 T2 52
2023 T3 42

81 rows × 1 columns

E neste outro exemplo quantificamos o número de pessoas desocupadas por tempo de procura de trabalho, desagregando por estado:

tempo_procura 2 anos ou mais De 1 ano a menos de 2 anos De 1 mês a menos de 1 ano Menos de 1 mês
estado
Acre 25 8 32 20
Alagoas 96 42 150 107
Amapá 59 19 63 19
Amazonas 177 77 235 86
Bahia 937 341 1126 464
Ceará 199 109 511 261
Distrito Federal 94 76 273 84
Espírito Santo 83 37 182 101
Goiás 58 50 427 216
Maranhão 152 66 302 196
Mato Grosso 31 17 89 46
Mato Grosso do Sul 29 14 109 43
Minas Gerais 204 165 1184 541
Paraná 146 110 466 194
Paraíba 150 58 219 91
Pará 79 75 551 381
Pernambuco 597 177 670 312
Piauí 49 28 173 182
Rio Grande do Norte 136 37 213 97
Rio Grande do Sul 139 103 594 161
Rio de Janeiro 1227 450 1084 263
Rondônia 16 10 28 11
Roraima 11 5 22 15
Santa Catarina 57 40 252 95
Sergipe 101 38 130 73
São Paulo 1250 716 3030 1098
Tocantins 27 9 74 40

Viu como é simples e fácil produzir tabelas dinâmicas no Python através do Pandas? Você pode ainda aproveitar e gerar um gráfico a partir da sua tabela com apenas 1 comando adicional:

Conclusão

Tabela dinâmica é uma ferramenta de análise de dados essencial para extrair informações rapidamente. O que poucos sabem é que não é necessário ter o Excel para criar tabelas dinâmicas. Neste artigo mostramos como produzir tabelas dinâmicas com dados econômicos usando a linguagem Python, em apenas 1 comando!

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando a ancoragem das expectativas de inflação no Python

Se expectativas de inflação ancoradas com a meta são importantes para a economia, analisar o grau de ancoragem é imperativo para economistas e analistas de mercado. Neste exercício mostramos uma forma de aplicar esta análise com uma metodologia desenvolvida pelo FMI. Desde a coleta dos dados, passando pelo modelo e pela visualização de dados, mostramos como analisar a política monetária usando o Python.

Como analisar a DRE de empresas de capital aberto usando o Python

Quando analisamos a demonstração de resultados de uma empresa listada na bolsa de valores, frequentemente recorremos a ferramentas convencionais, que embora sejam úteis, muitas vezes carecem de automação. É aqui que entra o Python. Neste post, exploramos o poder do Python para automatizar o processo de coleta, tratamento e análise dos dados da Demonstração do Resultado do Exercício (DRE) da Eletrobras, utilizando dados fornecidos pela CVM (Comissão de Valores Mobiliários).

Como construir uma Curva IS no Python

Neste post mostramos como podemos construir um modelo que descreve a Curva IS a partir da linguagem Python. Passamos por todo o processo de construção de um exercício de dados, realizando a coleta, o tratamento, a modelagem e a demonstração dos resultados encontrados.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.