import pandas as pd 

 df = pd.read_csv('nomefile.csv', sep=';', encoding='cp1252', usecols=[1,2,5])  

OBS: os argumentos não são obrigatórios além do próprio nome_do_arquivo. Por default o encoding é UTF-8 e separado por ,.

df.shape()

Return: Linhas x Colunas

Muito útil para verificar se tem colunas vazias

df.info()

df.head(3)

OBS: por default mostra 5 linhas

df.tail()

df.sample(5)

df.count()

df.dtypes

df.describe()

df.columns=['nome_coluna1','nome_coluna2','nome_coluna3']

df['nome_coluna'].value_counts()

df['nome_coluna'].value_counts().plot.bar()

df['nome_coluna'].value_counts(ascending=True).plot.barh(title='titulo_grafico')

• ascending=True - Organiza a tabela antes de plotar o gráfico

obs: caso esteja utilizando o python jupiter utilize o comando %matplotlib inline antes de gerar o gráfico.

df['nome_coluna'].unique()

Gera um Data Frame de Retorno da coluna filtrada.

df_objeto_filtrado = df[df['nome_coluna']=='nome_objeto_a_ser_filtrado']

df[df['nome_coluna'].str.contains('string_a_pesquisar').count()]

df[df['nome_coluna']==df['nome_coluna'].max()