6 min de leitura

Pandas #3 - Operações Aritméticas em Series e DataFrames

Como usar operadores aritméticos em Series e DataFrames do Pandas, como funciona o alinhamento automático pelo índice e como usar fill_value para evitar valores NaN.

Pandas #3 - Operações Aritméticas em Series e DataFrames

No post anterior você aprendeu a selecionar exatamente as linhas e colunas que precisa com .loc, .iloc e máscaras booleanas. Depois de isolar os dados certos, o passo seguinte é quase sempre fazer contas com eles: somar duas colunas, aplicar um desconto, calcular uma diferença. O Pandas deixa isso natural, porque tanto Series quanto DataFrame suportam os operadores aritméticos comuns do Python direto.

Neste post você vai ver como funcionam essas operações — incluindo um comportamento que costuma surpreender quem vem de listas ou arrays do NumPy: o alinhamento automático pelo índice.

Operações com um número fixo (escalar)

O caso mais simples é aplicar uma operação entre uma Series (ou uma coluna de um DataFrame) e um número fixo — o Pandas aplica a operação em cada elemento automaticamente.

Exemplo 1 - reajustando preços

import pandas as pd

precos = pd.Series([89.90, 150.00, 3200.00, 220.00], index=["mouse", "teclado", "notebook", "headset"])
print(precos * 1.1)

A saída é:

mouse         98.89
teclado      165.00
notebook    3520.00
headset      242.00
dtype: float64

Cada valor foi multiplicado por 1.1, simulando um reajuste de 10% — sem precisar de nenhum loop. O mesmo vale pra +, -, /, ** (potência), % (resto da divisão) e // (divisão inteira), e funciona do mesmo jeito numa coluna inteira de um DataFrame.

Operações entre duas Series: o alinhamento automático

Quando a operação envolve duas Series (ou duas colunas), o Pandas não soma “posição por posição” como faria uma lista — ele soma rótulo por rótulo, casando os índices de cada lado antes de calcular.

Exemplo 2 - somando duas Series com o mesmo índice

estoque_loja1 = pd.Series([12, 45, 8], index=["mouse", "teclado", "notebook"])
estoque_loja2 = pd.Series([20, 15, 3], index=["mouse", "teclado", "notebook"])

print(estoque_loja1 + estoque_loja2)

mouse        32
teclado      60
notebook     11
dtype: int64

Enquanto os dois índices batem exatamente, o resultado é intuitivo. Mas repare o que acontece quando eles não batem:

Exemplo 3 - índices desalinhados geram NaN

estoque_loja3 = pd.Series([5, 10], index=["mouse", "headset"])

print(estoque_loja1 + estoque_loja3)

headset      NaN
mouse       17.0
notebook     NaN
teclado      NaN
dtype: float64

O Pandas junta todos os rótulos que aparecem em qualquer um dos dois lados. Onde um rótulo só existe de um lado (teclado e notebook só em estoque_loja1, headset só em estoque_loja3), o resultado vira NaN — o Pandas não assume que “posição 2” de um lado é a mesma coisa que “posição 2” do outro, ele só combina o que tem o mesmo rótulo.

Nota: esse alinhamento por índice é uma das maiores diferenças entre operar com Series do Pandas e com arrays do NumPy. Um array simplesmente soma posição por posição, sem olhar rótulo nenhum — o Pandas é mais cuidadoso, mas isso significa que índices desalinhados (por exemplo, depois de um filtro aplicado antes) podem gerar NaN inesperados se você não prestar atenção.

Operações entre DataFrames

A mesma lógica de alinhamento vale pra DataFrames inteiros — só que agora tanto o índice das linhas quanto os nomes das colunas precisam bater.

Exemplo 4 - somando dois DataFrames

vendas_q1 = pd.DataFrame({"notebook": [10, 8], "mouse": [30, 25]}, index=["loja1", "loja2"])
vendas_q2 = pd.DataFrame({"notebook": [12, 9], "teclado": [15, 20]}, index=["loja1", "loja2"])

print(vendas_q1 + vendas_q2)

       mouse  notebook  teclado
loja1    NaN        22      NaN
loja2    NaN        17      NaN

Só a coluna notebook, presente nos dois DataFrames, teve um resultado numérico de verdade. mouse (só em vendas_q1) e teclado (só em vendas_q2) viraram NaN em todas as linhas, pelo mesmo motivo do exemplo anterior.

Evitando NaN com os métodos explícitos e fill_value

Quando um valor ausente de um lado deveria ser tratado como zero (em vez de virar NaN), os métodos explícitos .add(), .sub(), .mul() e .div() resolvem isso com o parâmetro fill_value.

Exemplo 5 - somando com fill_value

print(vendas_q1.add(vendas_q2, fill_value=0))

       mouse  notebook  teclado
loja1   30.0        22     15.0
loja2   25.0        17     20.0

Agora, onde uma coluna não existia de um dos lados, o Pandas trata o valor ausente como 0 antes de somar — mouse (que só existia em vendas_q1) aparece com o próprio valor de vendas_q1, em vez de NaN.

Nota: fill_value substitui o valor ausente antes da operação, então não é a mesma coisa que rodar .add() normal e depois usar .fillna(0) no resultado — se os dois lados tiverem NaN na mesma posição, o resultado continua NaN mesmo com fill_value.

O Pandas também tem um método .dot() pra produto matricial entre DataFrames (equivalente ao @ do NumPy), útil em contas mais avançadas de álgebra linear — mas no dia a dia de análise de dados, add(), sub(), mul() e div() cobrem a grande maioria dos casos.

Com operadores aritméticos e o alinhamento automático pelo índice no repertório, você já sabe fazer contas com segurança entre Series e DataFrames diferentes. Mas até aqui todos os exemplos assumiram dados já limpos — no próximo post a série volta pra um tema essencial antes de qualquer conta valer a pena: como inspecionar e limpar um DataFrame recém-carregado.

Fonte adaptada: Pandas - Arithmetic Operations on Series Object, Pandas - Arithmetic Operations on DataFrame