Importar a biblioteca no Pandas.txt

Nesta aula, sobre pandas, aprendemos:

Como importar a biblioteca (import pandas as pd)
Como ler fontes de dados diferentes:
Uma base CSV (pd.read_csv(...))
Uma base JSON (pd.read_json(...))
Uma base TXT (pd.read_table(...))
Um arquivo EXCEL (pd.read_excel(...))
Uma página HTML (pd.read_html(...))
Vários métodos e atributos úteis de dataframes, como:
info()
head()
dtypes
columns
shape
----------------
E sobre Jupyter, vimos como:

Criar diferentes tipos de células dentro do Jupyter
Acessar a documentação
Como reexecutar todas as células

----------------
Nesta aula, aprendemos:

Como selecionar uma variável do dataframe (por exemplo, dados['Tipo'] ou dados.Tipo)
Que um dataframe é composto de vários Series
Como eliminar duplicatas (pelo método drop_duplicates())
Como redefinir o index de um dataframe e series (atributo index)
Como concatenar dataframes (lembrando do axis)
Como criar novos dataframes baseados em estruturas de dados Python (lista, dicionários ou tuples)


Criar uma Series booleana usando o método isin(..) a partir do dataframe
Filtrar os dados de um dataframe baseado na Series booleana
Exportar e gravar os dados do dataframe (método to_csv())
Ordenar os dados de um dataframe (métodos sort_values() e sort_index())


----------------
Tratamento de dados faltantes
Como identificar valores nulos (missing values)
O método isnull() indica se os valores são nulos
O método notnull() retorna o contrário do método isnull()
O método info() também é uma forma de se verificar a presença de valores faltantes
Como remover valores nulos com o método dropna()
Tratamento condicional
Inversão de valores booleanos com ~
Como substituir os missing values com o método fillna()
Métodos de interpolação: ffill, bfill e mean()

--------------------
Nesta aula, aprendemos:

Como criar agrupamentos com o groupby()
Estatísticas descritivas com o describe() e o aggregate()
Como renomear as colunas com o rename()
Como fazer gráficos com o pacote Matplotlib
Como criar faixas de valor com o cut()
----------------

Nessa aula aprendemos a:

Definir sobre max_depth;
Definir sobre a árvore de decisão ( DecisionTreeClassifier);
Mostrar gráficos com o seaborn;
Mostrar gráficos com matplotlib;
Definir hiperparâmetros.

------------------
O que aprendemos nesta aula:

O que é nested cross validation;
Importar o GroupKFold;
Visualizar o melhor estimador.