Entrar Ainda não tem acesso?
Solucionado (ver solução)

Importante

Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!

Solucionado
(ver solução)
1
resposta

[Projeto] Para saber mais: entendendo o groupby | Pandas: conhecendo a biblioteca

Referente ao curso Pandas: conhecendo a biblioteca, no capítulo Análise exploratória de dados e atividade Para saber mais: entendendo o groupby

por Estudante
| 39.9k xp | 143 posts

O método groupby() do Pandas é uma das ferramentas mais importantes para análise de dados porque permite agrupar registros com características semelhantes e aplicar cálculos sobre cada grupo.

Como funciona?

O processo pode ser entendido em três etapas:

  1. Split (Dividir) → separa os dados em grupos.
  2. Apply (Aplicar) → executa uma operação em cada grupo.
  3. Combine (Combinar) → reúne os resultados em uma nova estrutura.

Exemplo do DataFrame

import pandas as pd

df = pd.DataFrame({
   'Animal': ['Cachorro', 'Gato', 'Elefante', 'Cachorro', 'Gato', 'Elefante'],
   'Cor': ['Preto', 'Branco', 'Cinza', 'Marrom', 'Preto', 'Marrom'],
   'Quantidade': [2, 3, 1, 4, 2, 2]
})

Resultado:

AnimalCorQuantidade
CachorroPreto2
GatoBranco3
ElefanteCinza1
CachorroMarrom4
GatoPreto2
ElefanteMarrom2

Agrupando por uma coluna

df.groupby('Animal').sum(numeric_only=True)

Resultado:

AnimalQuantidade
Cachorro6
Elefante3
Gato5

O Pandas agrupou todas as linhas com o mesmo animal e somou os valores da coluna Quantidade.

Agrupando por duas colunas

df.groupby(['Animal', 'Cor'])[['Quantidade']].sum()

Resultado:

AnimalCorQuantidade
CachorroMarrom4
CachorroPreto2
ElefanteCinza1
ElefanteMarrom2
GatoBranco3
GatoPreto2

Agora o agrupamento considera a combinação Animal + Cor.

Operações úteis

Contagem

df.groupby('Animal').count()

Média

df.groupby('Animal').mean(numeric_only=True)

Máximo

df.groupby('Animal').max()

Mínimo

df.groupby('Animal').min()

Múltiplas agregações

df.groupby('Animal')['Quantidade'].agg(['sum', 'mean', 'max', 'min'])

Resultado:

Animalsummeanmaxmin
Cachorro63.042
Elefante31.521
Gato52.532
1 resposta
solução!
por Evandro Santana Amadio
| 1668.8k xp | 3692 posts
Process Improvement Analyst

Olá, Estudante. Como vai?

Excelente explicação! O conceito de Split-Apply-Combine (Dividir-Aplicar-Combinar) é a base de ouro para entender o que acontece por debaixo dos panos quando chamamos o método groupby(). Visualizar o processo dessa forma ajuda muito a tirar o peso de apenas decorar a sintaxe e focar na lógica da manipulação dos dados.

Para enriquecer ainda mais o seu tópico e trazer algumas técnicas avançadas que expandem o poder do groupby(), preparei três complementos práticos:

1. Evitando que o grupo vire Índice (as_index=False)

Por padrão, quando você agrupa os dados (por exemplo, df.groupby('Animal')), a coluna utilizada para agrupar se transforma no novo índice (index) do DataFrame resultante.

Se o seu objetivo final for exportar esse resultado para um CSV ou criar um gráfico, pode ser mais vantajoso manter a coluna de agrupamento como uma coluna normal. Para fazer isso, basta usar o parâmetro as_index=False:

df_resultado = df.groupby('Animal', as_index=False)['Quantidade'].sum()
print(df_resultado)

Resultado:

     Animal  Quantidade
0  Cachorro           6
1  Elefante           3
2      Gato           5

2. Filtrando Grupos com o método filter()

Às vezes, você não quer apenas calcular uma média ou soma dos grupos, mas sim descartar grupos inteiros baseando-se em uma condição coletiva. O Pandas possui o método .filter() específico para trabalhar após o groupby().

Por exemplo, se você quisesse manter no DataFrame original apenas os animais cuja soma total de quantidade seja maior que 3 (eliminando os elefantes da análise):

df_filtrado = df.groupby('Animal').filter(lambda x: x['Quantidade'].sum() > 3)
print(df_filtrado)

3. Mantendo o formato original com transform()

Diferente dos métodos de agregação que reduzem o tamanho do seu DataFrame (combinando várias linhas em uma só), o método .transform() aplica o cálculo no grupo, mas retorna o resultado com o mesmo tamanho do DataFrame original.

Isso é incrivelmente útil para criar colunas de proporção ou preencher dados faltantes baseados no grupo. Veja como calcular o total do respectivo grupo em cada linha:

df['Total_do_Animal'] = df.groupby('Animal')['Quantidade'].transform('sum')
print(df)

Resultado:

     Animal     Cor  Quantidade  Total_do_Animal
0  Cachorro   Preto           2                6
1      Gato  Branco           3                5
2  Elefante   Cinza           1                3
3  Cachorro  Marrom           4                6
4      Gato   Preto           2                5
5  Elefante  Marrom           2                3

Parabéns pela didática aplicada no resumo! Dominar o groupby() é um dos passos mais importantes para quem deseja se destacar na análise exploratória de dados.

Espero que possa ter lhe ajudado!

Tópicos relacionados

Mostrar mais tópicos Mostrar menos tópicos

Conteúdos Alura com o tema

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Graduação | Pós-graduação | MBA