Olá Jon. Esse erro acontece ao usar o pandas puro ? Ao dar um read_excel( ) ? Você pode tentar usar o df = pd.read_excel('arquivo.xlsx', evaluate_formulas=True). Outro, seria verificar se o arquivo excel está calculando esse PROCV corretamente, e usar o "openpyxl" pra tentar contornar isso. Exemplo: wb = openpyxl.load_workbook('arquivo.xlsx')

@@alldados é ao usar o openpyxl,

Eu ja tentei, data only = true, .value mas nada só vem formula msm

Olá Tati. Se bem entendi, você teria um df com as colunas: PRODUTO, QTDE, e sua terceira seria o quartil, certo? Nesse caso acredito que voce possa usar o groupby() e usar dentro do agg() do groupby o np.quantle(). Dessa forma, voce conseguiria agrupar o PRODUTO, QUARTIL. Agora caso você precise carimbar repetidamente o quartil para cada PRODUTO e QTDE, talvez um loop for ( ou df.iterrows() ) ajude.

Olá Gel. Pelo que entendi, os tipos de dados estão diferentes. O que voce pode fazer é forçar os 2 campos para datetime antes de concatenar. Exemplo: df['coluna_data'] = pd.to_datetime(df['coluna_data'], format = "%d/%m%Y %H%M")

Olá Matheus. Essa etapa do "for" é pra ir lendo cada arquivo Excel contido na variavel "dados" e ir fazendo os tratamentos seguintes. Ao invés de copiar a mesma linha pra diversos arquivos, eu boto eles numa lista e itero via "for"

Olá Matheus! No video eu usei o Jupyter Notebook, bem usado pra prototipaçao. Mas todo o codigo Python apresentado voce pode fazer no Vim, VS Code, Spyder ou qualquer outro. Talvez somente dificulte a visualizacao das variaveis em alguns pontos. Mas no VS Code, voce consegue tanto rodar o .ipynb (arquivos eo Jupyter) quanto .py (arquivo Python).

Olá Tatiana. É possível sim. Pelo que entendi, voce pode fazer o seguinte: string_filtro1 = "inicio da visita" string_filtro2 = "fim da visita" df_filtrado = df.loc[df["sua_coluna"].str.contains([string_filtro1,string_filtro2]) ]

@@alldados amigo não deu certo apareceu o erro : unhashable type: 'list'

Amigo os dados estão em uma coluna !

@@tatianacavalcantedossantos4342 veja se dessa forma então funciona: string_filtro = "inicio da visita|fim da visita" df_filtrado = df.loc[df["sua_coluna"].str.contains( string_filtro ) ]

@@alldados amigo quase deu certo! ele trouxe os dois nomes Início da Visita e Final da Visita, porém eu preciso pegar oque está entre esses dois nomes, ex: quando eu coloco Início da Visita estou iniciando um bloco que vai ter várias situações dentro dele, quando eu coloco Final da Visita significa que estou encerrando esse bloco , o que eu preciso é pegar o que está entre esses dois blocos: Início da Visita e Final da Visita de várias planilhas. Você é maravilhoso muito obrigada pela atenção de sempre!

Olá David. Você pode tentar usar regex pra realizar essas filtragens com parciais. Ou você pode transformar a coluna em string e filtrar via str.contains( ). Ex: df = df.loc[df['coluna'].str.contains('nome_incompleto')]

Juliana, neste seu caso, entendo que você irá iterar as sheetnames. Você pode ao final de carregar o dataframe, antes de concatená-lo ao dataframe principal, realizar o seguinte comando: df_temp['nome-da-planilha'] = sheet_name (sendo esse sheet_name o nome da planilha que está lendo) df = pd.concat([df, df_temp], axis = 0) Teste e veja se resolveu seu problema.

Saulo, você pode passar no for o numero do mês, e passar a iteração no sheet_name = i. Para ele tentar ler e passar caso nao encontre, tente usar um try e except.Tipo assim: For i in meses: Try: df = pd.read_excel(nome_arquivo, sheet_name = i) Except: pass

Muito bom parabéns, no meu caso tenho 6 planilhas iguais e as outras 6 são coluna diferente como faço?

Claudio, funciona sim, porém o método é diferente. Ao invés de utilizar o pd.read_excel( ) voce precisará usar o pd.read_csv( )

Washington, a sequência é a apresentada no canal mesmo, em vídeos.

Glauber, essa configuração é instalada via prompt. Chama-se jupyter nb_extensions

@@alldados Jóia, muito obrigado

Roger, se a primeira linha some, talvez seja por conta do header que voce passa como parametro, ou mesmo o nrows... Ou pode ser que os formatos estejam diferentes.... Voce manteve o mesmo padrao entre esses arquivos?

@@alldados consegui aqui, coloquei pra salvar elas sem o header, era esse mesmo o BO, vinha mesclada e aí pra concatenar ficava bugado, Vlw mestre

@@rogerlima7315 que bom que conseguiu resolver !

Oi Tatiana. Se voce importou usando o glob.glob( ) acredito que sua variavel contenha uma lista de 40 arquivos, certo? Assim sendo, voce pode iterar 2 vezes, onde uma voce passa pelo nome do arquivo e outra voce passa pelo nome das sheets especificas. Exemplo: arquivos = glob.glob(seu_caminho) planilhas = [plan1, plan2, plan3, plan4,plan5] df = pd.DataFrame( ) For arquivo in arquivos: For planilha in planilhas: temp = pd.read_excel(arquivo, sheet_name= planilha) df = pd.concat([temp,df], axis=0)

@@alldados amigo deu mais o menos certo ! Ele abriu as 5 abas mais só do primeiro arquivo ele não juntou as 5 abas dos 40 arquivos !! Você pode me passar o passo a passo novamente , preciso muito dessa ajuda estou dependendo desse mini projeto para ter destaque na minha empresa, você foi o único que me respondeu e usa o glob. Por favor me ajude !

@@tatianacavalcantedossantos4342 os seus arquivos estão no mesmo padrão? Esses 40 arquivos? Pois assim, o codigo que passei anteriormente era pra funcionar, uma vez que a cada arquivo .xlsx você iria iterar 5x, pois há 5 sheets por arquivo. Agora, caso não esteja no padrão, você teria que replicar esse mesmo bloco " for " que te passei para cada arquivo que esteja diferente. Exemplo: voce faz um for pro arquivo1 e arquivo2 pois estao no mesmo padrao...depois faz um outro pro arquivo3 e arquivo4...assim por diante...ai cada dataframe voce trata individualmente e depois une no padrao que voce precisa.... Se ainda tiver dúvidas, me passe seu e-mail que tento te ajudar

@@alldados amigo deu certo !! Quero muito te agradecer pela sua atenção !! Você foi incrível , que Deus te abençoe imensamente ! Muito, Muito obrigada!

Olá Viviane. Quando você passa o caminho do arquivo e o *.xlsx, voce garantiu que o caminho e a extensão dos arquivos estão corretos? Além também de usar o \\ como delimitador dos diretorios.

@@alldados oi boa tarde eu consegui resolver no dia mesmo, colando um r, antes do caminho.

Você pode filtrar o seu dataframe e usar o .mean( ). Exemplo: df.loc[df['coluna_de_interesse'] == condição, 'coluna_resultado'] = df['coluna_numerica'].mean( ). Além dessa, você pode tentar fazer um loop entre valores na condição e usar para atribuir valor.

Olá Nicolas. Pelo que entendi voce poderia fazer um filtro de exclusão da seguinte maneira: df = df.loc[df["Status"] != "Oportunidades"]. Esse seria o jeito mais fácil de realizar isso. Faça um teste e veja se resolve esse impedimento.

Olá Danilo. Realmente, xml é um pouco mais "elaborado" pra se tratar. No seu caso acredito que o jeito mais "correto" seri tentar usar a biblioteca xml mesmo.

Import xml.etree.ElementTree as ET Depois de importa-la voce usa os comandos abaixo: xmlp = ET.XMLParser(encoding= "utf-8") tree = ET.parse(seu_dataframe, parser = xmlp) A partir daí voce teria que ir testando o iterfind() da instancia e ir obtendo os campos que voce precisa pra ir montando as colunas de seu dataframe pra depois entao exporta-lo pra excel.

Douglas, voce pode utilizar a função groupby do Pandas e depois filtrar a localização, ou pode filtrar o dataframe direto e dar um .count() no final e atribuir a uma variavel.

Consegue sim Sandro. Nesse caso voce pode utilizar o os.listdir() pra mapear em cada diretorio e colocar isso em um loop. Outra forma é utilizar a lib chamada glob, usando a glob.glob(nome_do_diretorio). Ela ja trará a lista dos arquivos naquele diretorio. De qualquer forma, no final, voce precisará iterar e ir unindo dentro do loop passando por cada arquivo.

Obrigado pela dica 🤜🏼🤛🏼

Oi Danilo. No caso de datas, o que você pode fazer é ordená-las da mais recente pra mais antiga, ou vice-versa, e usar o drop_duplicates( ). Agora caso você precise de uma data específica (intermediária), sugiro criar uma coluna a mais como fator de "ordenação", atribuindo 0 ou 1 e por aí vai. E sim, é possível exportar para xml ou json. Se não me engano, o próprio pandas já possui um pd.to_json( ) embutido.

@@alldados E como o drop_duplicates() identificará qual é a mais recente? Tem algum parâmetro? Por padrão, qual o critério para ele excluir a duplicata? Porque se eu der um drop_duplicates() fazendo apenas o que me indicou, provavelmente ele vai excluir sem critério!

@@danilodantas1426 o dro_duplicates( ) possui um parâmetro chamado 'keep_first' que por padrão vem setado como 'TRUE'. Então, na sua tabela, sempre o primeiro parâmetro será mantido, mas é o primeiro parâmetro que aparece n sua tabela, independente de ordenação ou não. Caso queira permanecer com o último, basta colocar o keep_first = False, que aí somente o último será deletado. Aí com isso você deverá verificar como ordenará sua tabela. No caso de data, você ordenaria com o sort_values( ) passando sua coluna de DATA e se ele deve ser ascendente (ascending = True) ou descendente (ascending = False). A partir disso, você dropa usando o drop_duplicates( ) a partir da data que deseja eliminar (a mais recente ou a mais antiga)

@@alldados Ótimo! Vou procurar estudar mais as funções! Obrigado pelo esclarecimento e parabéns! Ótimo conteúdo!

Muito obrigado André

Muito obrigado Gabriel

Muito obrigado jpduff

Tatiana, você pode usar condições com .loc e filtrá-las. Exemplo: df = df.loc[~df['colunaA'] == condicao] ou df = df.loc[df['colunaA'] != condicao] Isso já eliminará as linhas com essas condições.

Olá Monica. Pelo que entendi, você pode usar o .loc para verificar esse valor e atribuí-lo na coluna de interesse...seria mais ou menos assim: df = df.loc[df['colunaA'] == condicao, 'colunaB' ] = df['colunaA'] neste caso, quando a condição aparecer na colunaA, a nova colunaB terá o valor da colunaA

Oi Guilherme. No seu caso acredito que no momento da iteração pra ir unindo os arquivos você pode testar se o nome é igual a esses 2 arquivos de interesse... Tipo assim: If 'nome_de_interesse' in arquivo: df = pd.read_csv(arquivo) Else: pass

precisa importar o pandas, caso tenha importado verifique se o código de importação está correto. o Erro diz q o nome pd não está definido.

Segue o que a Roberta acabou de dizer...faltou importar o pandas com o "import pandas as pd"

tmj Paulo

Olá Daniel, O que pode acontecer é se o tipo de arquivo está no mesmo padrão repassado no vídeo. Dependendo do arquivo xls que esteja trabalhando, há necessidade de mudar a posição do "header" para iniciar a leitura, ou o tipo de delimitador.

obrigado yuriverso