Diferença na contagem de células no Pandas e Excel | Python para Data Science: Funções, Pacotes e Pandas

data 8771 hora 3824 tipo 8771 modalidade 8771 genero 8771 categoria 8771 time_casa 8768 estado_origem_time_casa 8769 t_casa 1252 c_casa 1252 p_casa 1249 d_casa 1249 parcial_time_casa 822 final_time_casa 8685 X 8771 final_time_visitante 8685 parcial_time_visitante 109 t_visitante 1640 c_visitante 1641 p_visitante 1636 d_visitante 1634 visitante 8767 estado_origem_time_visitante 8768 wo 8771 arbitro 2201 auxiliar_1 1667 auxiliar_2 1626 4_arbitro 1320 local 4128 campeonato_1 7549 campeonato_2 80 fase 1851 cidade 6041 estado 8761 total_pontos_1t 8771 diferenca_pontos_1t 8771 total_pontos_2t 8771 diferenca_pontos_2t 8771 total_pontos_final 8771 diferenca_pontos_final 8771 prorrogação 8771 adiado 8771 cancelado 8771 Observação_jogo 201 tempo_jogo_min 48 indefinido 4 Unnamed: 46 0 Unnamed: 47 0 Unnamed: 48 0 Unnamed: 49 0 Unnamed: 50 0 Unnamed: 51 0 Unnamed: 52 0 Unnamed: 53 0 dtype: int64

--------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-31-3ff597c5d5f7> in <module>() ----> 1 dataset[select_xv_masc_adulto] 2 frames /usr/local/lib/python3.7/dist-packages/pandas/core/generic.py in _where(self, cond, other, inplace, axis, level, errors, try_cast) 8770 for dt in cond.dtypes: 8771 if not is_bool_dtype(dt): -> 8772 raise ValueError(msg.format(dtype=dt)) 8773 else: 8774 # GH#21947 we have an empty DataFrame/Series, could be object-dtype ValueError: Boolean array expected for the condition, not object

Olá Daniel! Como você está?

Sinto muito pela demora em te dar um retorno.

Esse erro é gerado porque a sua variável select_xv_masc_adulto está armazenando um dataframe e ao fazer dataset[select_xv_masc_adulto] você está tentando pegar um dataframe e passar um outro dataframe pra ele. E isso não é possível, porque quando você faz uma query ela já te retorna um dataframe contendo apenas aqueles dados de acordo com a procura que você fez. Sendo assim, para visualizar sua tabela, basta apenas colocar o select_xv_masc_adulto que já deve mostrar certinho :)

Um exemplo de uma query para que você consiga visualizar melhor o que acontece:

Imagem com um dataframe exemplificando a utilização do metodo query

Agora, para fazer um filtro da forma como você estava tentando dataset[select_xv_masc_adulto] seria necessário que sua variável select_xv_masc_adulto estivesse armazenando valores booleanos (True e False). Um exemplo desse tipo de seleção, seria:

select_xv_masc_adulto = dataset['modalidade'] == 'XV'

dataset[select_xv_masc_adulto]

Dessa forma, a variável select_xv_masc_adulto estaria armazenando valores booleanos de acordo com a condição passada, portanto, apenas as linhas em que a modalidade for "XV" terão o valor True e quando você passa esses valores booleanos para seu dataframe dataset[select_xv_masc_adulto] ele vai mostrar apenas os valores que satisfaça a condição passada.

De uma forma geral, você pode fazer as seleções tanto por essa maneira quanto por meio de queries. Mas as queries são um pouco mais práticas, uma vez que já te retornam o dataframe apenas com os dados selecionados.

Agora, em relação a diferença na contagem das linhas no Excel e no Python, fazendo alguns testes aqui eu percebi que quando fazemos um count() no dataframe, ele conta o número de linhas mas não considera a linha contendo o cabeçalho (nomes das colunas), já no excel se formos contar essas linhas olhando pela numeração da planilha, a linha do cabeçalho também acaba sendo considerada, e isso pode gerar uma pequena diferença na hora de comparar o número de linhas nesses dois casos.

Existe também a possibilidade de sua base de dados estar com algum problema de organização. Sendo assim, na hora de fazer a importação dos dados para o python, ele não consegue bem separar todas as colunas e linhas precisamente, o que acaba gerando essa diferença na hora de comparar o número de linhas.

Mas infelizmente não dá pra fazermos essas afirmações com total certeza, porque não fizemos os testes na sua base de dados, então seria interessante que essa coluna que está dando essa diferença na contagem, fosse analisada mais detalhadamente.

Espero que isso te ajude! Qualquer dúvida estou a disposição.

Bons estudos! :)

Mergulhe em programação