Pandas: Tratamento de Valores Ausentes

Q: Como verificar se uma coluna contém NaN?

A maneira mais rápida: df['col'].isnull().any() retorna True/False. Para contar: df['col'].isnull().sum() retorna o número de valores ausentes. Para a porcentagem: df['col'].isnull().mean() * 100 . Para verificar toda a tabela: df.isnull().any().any() informa se o DataFrame tem algum NaN.

Última atualização: 2026-08-26

Valores ausentes (NaN) são o inimigo número um da limpeza de dados — dados do mundo real nunca são perfeitos. Uma falha de sensor deixa leituras de temperatura faltando, um usuário pula um campo opcional e a idade vai embora, uma fusão de sistemas apaga IDs. O Pandas fornece uma ferramenta completa para detectar, preencher, remover e interpolar valores ausentes. Esta seção orienta você em cada um desses processos e explica como operar com segurança sob o modelo de Cópia em Gravação (Copy-on-Write).

⚠️ Aviso: O código abaixo deve ser executado em um ambiente Python local.

1. O que você aprenderá

❶ A natureza e semântica do NaN
❷ Detecção com isnull / notnull
❸ Remoção de linhas/colunas faltantes com dropna
❹ Preenchimento de valores ausentes com fillna
❺ Métodos de interpolação com interpolate

2. A Lacuna nos Dados de Treino da Carol

(1) O Problema: 30% dos Dados de Frequência Cardíaca Estão Faltando

O monitor de condicionamento da Carol registrou 30 dias de dados de frequência cardíaca, mas o sinal caiu (NaN) em 9 desses dias durante seus treinos:

PYTHON

import pandas as pd
import numpy as np

hr = pd.DataFrame({
    'date': pd.date_range('2024-01-01', periods=30),
    'heart_rate': [72, 75, np.nan, 78, np.nan, 80, 82, np.nan,
                   85, 88, np.nan, 90, 87, np.nan, 83, 80,
                   np.nan, 78, 76, np.nan, 74, 72, np.nan, 70,
                   68, np.nan, 65, 63, np.nan, 60]
})
print(f"Missing: {hr['heart_rate'].isnull().sum()} / {len(hr)}")
# Missing: 9 / 30

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instale-o — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

(2) A Solução: Quatro Estratégias, Cada Uma com Seu Caso de Uso

Estratégia	Método	Quando Usar
Detectar	isnull / notnull	Entender a distribuição de valores faltantes
Descartar	dropna	Poucos valores faltantes, linhas não são importantes
Preencher	fillna	Existe um valor padrão razoável
Interpolar	interpolate	Dados de séries temporais com tendência clara

3. A Natureza do NaN

(1) NaN Não é Igual a NaN

▶ Exemplo: O Comportamento Especial do NaN (Dificuldade ⭐)

PYTHON

import numpy as np

# NaN NÃO é igual a si mesmo — isso é o padrão IEEE 754
print(np.nan == np.nan)   # False!
print(np.nan != np.nan)   # True!

# Use np.isnan() para detectar NaN
print(np.isnan(np.nan))   # True

# Pandas lida com isso internamente — isnull() funciona corretamente
import pandas as pd
s = pd.Series([1, np.nan, 3, None, 5])
print(s.isnull())
# 0    False
# 1     True
# 2    False
# 3     True
# 4    False

TEXT 📖 Somente leitura

> **Saída:** Execute isto em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instale — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeramente dependendo da sua versão do pandas.

(2) Tipos de Valores Ausentes no Pandas

Tipo	Representação do Ausente	Exemplo
float64	np.nan	Valor ausente padrão para ponto flutuante
int64	Não pode representar NaN nativamente → converte automaticamente para float64	`[1, None, 3]` → float64
objeto	None / np.nan	Colunas de tipos mistos
string	pd.NA	String anulável do Pandas 1.x+
Int64	pd.NA	inteiro anulável (I maiúsculo)
datetime64	NaT	Valor de tempo ausente

💡 Dica: Os dtypes anuláveis no Pandas 2.x (com letras maiúsculas, como Int64, boolean e string) usam pd.NA em vez de np.nan, resolvendo o problema de que colunas de inteiros não podem representar valores ausentes. Converta com: df['col'].astype('Int64').

4. Detecção com isnull / notnull

(1) Detecção Básica

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Detecção de Valores Ausentes (Dificuldade ⭐)

PYTHON

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Carol', 'David'],
    'age': [28, np.nan, 25, 30, np.nan],
    'salary': [75000, 92000, np.nan, 88000, 105000],
    'department': ['Sales', 'Engineering', np.nan, 'Sales', 'Management']
})

# Per-element detection
print(df.isnull())
#     name    age  salary  department
# 0  False  False   False       False
# 1  False   True   False       False
# 2  False  False    True        True
# 3  False  False   False       False
# 4  False   True   False       False

# Per-column count
print(df.isnull().sum())
# name          0
# age           2
# salary        1
# department    1

# Total missing
print(f"Total missing: {df.isnull().sum().sum()}")  # 4

# Not-null (inverse)
print(df.notnull().sum())  # count of non-missing per column

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

(2) Visualizando e Analisando Valores Ausentes

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Análise de Padrões de Ausência (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Carol', 'David', 'Eve'],
    'age': [28, np.nan, 25, 30, np.nan, 27],
    'salary': [75000, 92000, np.nan, 88000, 105000, np.nan],
    'department': ['Sales', 'Engineering', np.nan, 'Sales', 'Management', 'HR']
})

# Which rows have ANY missing?
rows_with_missing = df[df.isnull().any(axis=1)]
print(f"Rows with missing values: {len(rows_with_missing)}")
# 3 rows (Bob, Charlie, David)

# Which columns have missing?
cols_with_missing = df.columns[df.isnull().any()].tolist()
print(f"Columns with missing: {cols_with_missing}")
# ['age', 'salary', 'department']

# Missing percentage per column
missing_pct = (df.isnull().sum() / len(df) * 100).round(1)
print(missing_pct[missing_pct > 0])
# age          33.3%
# salary       33.3%
# department   16.7%

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

5. Removendo Valores Ausentes com dropna

(1) Remoção Básica

▶ Exemplo

TEXT 📖 Somente leitura

> **Output:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar um pouco dependendo da sua versão do pandas.

: Removendo com dropna (Dificuldade ⭐)

PYTHON

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Carol', 'David'],
    'age': [28, np.nan, 25, 30, np.nan],
    'salary': [75000, 92000, np.nan, 88000, 105000]
})

# Remove linhas com QUALQUER valor ausente (padrão)
print(df.dropna())
#     name   age    salary
# 0  Alice  28.0   75000.0
# 3  Carol  30.0   88000.0

# Remove linhas onde TODOS os valores são ausentes
print(df.dropna(how='all'))

# Remove colunas com qualquer valor ausente
print(df.dropna(axis=1))
#      name
# 0   Alice
# 1     Bob
# ...

# Remove linhas com limite (mantém linhas com >= N valores não ausentes)
print(df.dropna(thresh=2))  # pelo menos 2 valores não-NaN
#      name   age    salary
# 0   Alice  28.0   75000.0
# 1     Bob   NaN   92000.0
# 3   Carol  30.0   88000.0
# 4   David   NaN  105000.0

TEXT 📖 Somente leitura

> **Output:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar um pouco dependendo da sua versão do pandas.

(2) Parâmetros do dropna em Detalhe

Parâmetro	Padrão	Descrição
axis	0	0 = remove linhas, 1 = remove colunas
how	'any'	'any' = remove se qualquer NaN, 'all' = remove apenas se todos NaN
thresh	None	Mantém linhas com pelo menos N valores não ausentes
subset	None	Verifica apenas as colunas especificadas

▶ Exemplo

TEXT 📖 Somente leitura

> **Output:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar um pouco dependendo da sua versão do pandas.

: Verificação Específica de Coluna com dropna (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Carol', 'David'],
    'age': [28, np.nan, 25, 30, np.nan],
    'salary': [75000, 92000, np.nan, 88000, 105000],
    'department': ['Sales', 'Engineering', 'Marketing', 'Sales', 'Management']
})

# Remove apenas linhas onde 'salary' está ausente
# (mantém linhas com 'age' ausente — podemos imputar a idade)
print(df.dropna(subset=['salary']))
#      name   age    salary  department
# 0   Alice  28.0   75000.0       Sales
# 1     Bob   NaN   92000.0  Engineering
# 3   Carol  30.0   88000.0       Sales
# 4   David   NaN  105000.0  Management

TEXT 📖 Somente leitura

> **Output:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar um pouco dependendo da sua versão do pandas.

6. Preenchendo Valores Ausentes com fillna

(1) Preenchimento com uma Constante

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Preenchimento Constante e Estatístico com fillna (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'Carol', 'David'],
    'age': [28, np.nan, 25, 30, np.nan],
    'salary': [75000, 92000, np.nan, 88000, 105000]
})

# Preencher com constante
df_const = df.fillna({'age': 0, 'salary': 0})
print(df_const)

# Preencher com a média (mais comum para numéricos)
df_mean = df.copy()
df_mean['age'] = df_mean['age'].fillna(df_mean['age'].mean())
df_mean['salary'] = df_mean['salary'].fillna(df_mean['salary'].median())
print(df_mean)
# age: preenchido com 27.67, salary: preenchido com 88000.0

# Preencher com preenchimento para frente (usar valor anterior)
df_ffill = df.fillna(method='ffill')
print(df_ffill)

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

⚠️ Nota: No Pandas 2.x, fillna(method=...) está descontinuado — use df.ffill() / df.bfill() como alternativa.

(2) Preenchimento para Frente / para Trás

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: ffill e bfill (Dificuldade ⭐)

PYTHON

import pandas as pd
import numpy as np

# Dados de série temporal — ffill faz sentido aqui
ts = pd.DataFrame({
    'date': pd.date_range('2024-01-01', periods=8),
    'temperature': [22.5, np.nan, np.nan, 23.1, np.nan, 24.0, np.nan, 24.5]
})

# Preenchimento para frente (propagar último valor válido)
print(ts.assign(temperature_ffill=ts['temperature'].ffill()))
# NaN → usar o valor não-NaN anterior

# Preenchimento para trás (propagar próximo valor válido)
print(ts.assign(temperature_bfill=ts['temperature'].bfill()))
# NaN → usar o próximo valor não-NaN

# Limite: preencher apenas N NaNs consecutivos
print(ts.assign(temperature_limited=ts['temperature'].ffill(limit=1)))
# Preencher apenas 1 NaN consecutivo, deixar o restante

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

7. Interpolação com interpolate

(1) Interpolação Linear

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Interpolação Linear com interpolate (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

# Carol's heart rate data — linear interpolation is natural
hr = pd.DataFrame({
    'time_min': list(range(10)),
    'heart_rate': [72, 75, np.nan, 78, np.nan, 80, 82, np.nan, 85, 88]
})

# Linear interpolation (default)
hr['hr_linear'] = hr['heart_rate'].interpolate()
print(hr[['time_min', 'heart_rate', 'hr_linear']])
# time 2: (75+78)/2 = 76.5
# time 4: (78+80)/2 = 79.0
# time 7: (82+85)/2 = 83.5

# Index-based vs time-based interpolation
hr_ts = pd.DataFrame({
    'heart_rate': [72, 75, np.nan, 78, np.nan, 80]
}, index=pd.to_timedelta([0, 5, 15, 20, 40, 45], unit='min'))

# Time-weighted interpolation
hr_ts['hr_time'] = hr_ts['heart_rate'].interpolate(method='time')
print(hr_ts)

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

(2) Comparando Métodos de Interpolação

Método	método	Quando Usar
Linear	'linear'	Dados amostrados uniformemente, tendências suaves
Ponderado no tempo	'time'	Intervalos de tempo desiguais
Ponderado pelo índice	'index'	Espaçamento de índice desigual
Quadrático	'quadratic'	Tendências curvas
Cúbico	'cubic'	Curvas suaves
Mais próximo	'nearest'	Dados discretos / de degrau
Spline	'spline'	Interpolação suave (requer o parâmetro order)

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Comparando Métodos de Interpolação (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

s = pd.Series([0.0, np.nan, np.nan, np.nan, np.nan, 5.0, 10.0])

print("linear:    ", s.interpolate(method='linear').tolist())
# [0.0, ~1.67, ~3.33, 5.0, ~6.67, 5.0, 10.0]
# But this includes NaN boundaries.

print("linear (trim):", s.dropna().interpolate(method='linear').tolist())
# Demonstrates linear interpolation only.

# quadratic needs 1 non-NaN value on each side of the boundary; here we use 7 data points
print("quadratic:", s.interpolate(method='quadratic').tolist())
# Fits a quadratic curve; requires at least 3 non-NaN points

TEXT 📖 Somente leitura

> **Saída:** Execute isso em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

8. Copy-on-Write e Operações com Valores Ausentes

(1) Gravando Seguramente sob CoW

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Operações Seguras sob CoW (Dificuldade ⭐⭐)

PYTHON

import pandas as pd
import numpy as np

pd.options.mode.copy_on_write = True  # padrão do Pandas 3.x

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [28, np.nan, 25],
    'salary': [75000, 92000, np.nan]
})

# ✅ Seguro: atribuir o resultado de volta
df['age'] = df['age'].fillna(df['age'].mean())

# ✅ Seguro: usar inplace (funciona com CoW)
df.fillna({'salary': 0}, inplace=True)

# ❌ Perigoso (pré-CoW): atribuição encadeada
# subset = df[df['age'].notnull()]
# subset['salary'] = 100  # Pode não modificar df!

# ✅ Seguro com CoW: loc
df.loc[df['age'].notnull(), 'salary'] = df.loc[df['age'].notnull(), 'salary'] * 1.1
print(df)

TEXT 📖 Somente leitura

> **Saída:** Execute em um ambiente Python local (pandas 2.x). O servidor Piston não tem pandas pré-instalado — instale localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

9. Exemplo Completo: O Fluxo de Trabalho Completo para Valores Ausentes

(5) ▶ Árvore de Decisão para Tratamento de Valores Ausentes

graph TB
    A[Detect missing values] --> B{Missing rate?}
    B -->|<5%| C[Drop with dropna]
    B -->|5-30%| D{Data type?}
    D -->|Numeric| E[fillna with mean/median]
    D -->|Categorical| F[fillna with mode]
    D -->|Time-series| G[interpolate]
    B -->|>50%| H[Consider dropping the column]

TEXT 📖 Somente leitura

> **Saída:** Execute isto em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instale — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

▶ Exemplo

TEXT 📖 Somente leitura

> **Saída:** Execute isto em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instale — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

: Fluxo de Trabalho Completo de Limpeza de Valores Ausentes (Dificuldade ⭐⭐⭐)

PYTHON

import pandas as pd
import numpy as np

# ============================================
# Comprehensive example: Full missing-value
# handling pipeline
# ============================================

# 1. Load data with missing values
np.random.seed(42)
df = pd.DataFrame({
    'customer_id': range(1, 21),
    'name': [f'Customer_{i}' for i in range(1, 21)],
    'age': [25, np.nan, 35, 40, np.nan, 28, np.nan, 50, 33, np.nan,
            29, np.nan, 45, 38, np.nan, 27, np.nan, 42, 31, np.nan],
    'purchase_amount': [120, 85, np.nan, 200, 150, np.nan, 90, 310,
                        np.nan, 60, 175, np.nan, 250, 140, np.nan,
                        95, 180, np.nan, 110, 75],
    'category': ['Electronics', np.nan, 'Home', 'Electronics', 'Clothing',
                 'Home', np.nan, 'Electronics', 'Clothing', np.nan',
                 'Home', 'Electronics', 'Clothing', np.nan, 'Home',
                 'Electronics', np.nan, 'Home', 'Clothing', 'Electronics']
})

# 2. Analyze missing pattern
print("=== Missing Analysis ===")
missing_report = pd.DataFrame({
    'count': df.isnull().sum(),
    'pct': (df.isnull().sum() / len(df) * 100).round(1)
})
print(missing_report[missing_report['count'] > 0])

# 3. Drop rows where critical fields are missing
df = df.dropna(subset=['customer_id', 'name'])

# 4. Fill numeric columns
df['age'] = df['age'].fillna(df['age'].median())
df['purchase_amount'] = df['purchase_amount'].interpolate(method='linear')

# 5. Fill categorical column
df['category'] = df['category'].fillna(df['category'].mode()[0])

# 6. Verify: no more missing
print(f"\n=== After Cleaning ===")
print(f"Remaining missing: {df.isnull().sum().sum()}")
print(df.head(10))

TEXT 📖 Somente leitura

> **Saída:** Execute isto em um ambiente Python local (pandas 2.x). O servidor Piston não tem o pandas pré-instale — instale-o localmente (`pip install pandas`) para acompanhar. Os valores reais podem variar ligeiramente dependendo da sua versão do pandas.

❓ Perguntas Frequentes

P Qual é a diferença entre NaN e None?

R NaN (np.nan) é o valor ausente de ponto flutuante do padrão IEEE 754, e NaN ≠ None. None é o valor ausente no nível de objeto do Python, e None == None. Em Pandas, ambos são detectados por isnull(). Quando uma coluna de inteiros contém NaN, ela é automaticamente convertida para float64; usar o tipo nullable Int64 (I maiúsculo) preserva o tipo inteiro, com valores ausentes representados por pd.NA.

P Como escolher entre dropna e fillna?

R Se menos de 5% está ausente e é irrelevante → descarte com dropna. Se 5-30% está ausente e existe um valor padrão razoável → preencha com fillna (média/mediana/moda). Para dados de séries temporais → interpole. Se mais de 50% está ausente → considere descartar a coluna. O princípio chave: descartar perde informação, preencher introduz viés, e interpolar assume uma tendência.

P Por que fillna(método='ffill') lança um erro?

R Pandas 2.x descontinuou o parâmetro método do fillna. Use df.ffill() (preenchimento para frente) e df.bfill() (preenchimento para trás) em vez disso. ffill é adequado para dados de séries temporais (usando o último valor válido), mas não para dados aleatórios (pode propagar valores incorretos muito longe).

P Qual método de interpolação é melhor?

R O linear padrão é o mais versátil. Para séries temporais, use método='time' (ponderado pela distância temporal). Para tendências claras, use quadrático/cúbico. Para dados com mudanças abruptas, use nearest. spline é bom para suavização, mas requer ajuste do parâmetro de ordem. Comece com linear, e mude apenas se os resultados não forem bons o suficiente.

P fillna(inplace=True) ainda é seguro?

R Sob o modo Copy-on-Write no Pandas 3.x, inplace ainda é seguro — ele modifica o DataFrame original diretamente. Mas o estilo mais recomendado é atribuir de volta a uma variável com df = df.fillna(...), o que é semanticamente mais claro. O CoW garante que ambas as abordagens produzem o mesmo resultado.

P Como verificar se uma coluna contém NaN?

R A maneira mais rápida: df['col'].isnull().any() retorna True/False. Para contar: df['col'].isnull().sum() retorna o número de valores ausentes. Para a porcentagem: df['col'].isnull().mean() * 100. Para verificar toda a tabela: df.isnull().any().any() informa se o DataFrame tem algum NaN.

P Por que uma coluna de inteiros se torna float quando NaN aparece?

R O int64 do NumPy não pode representar NaN (cada bit é um dígito válido). O Pandas não tem escolha a não ser converter toda a coluna para float64 para acomodar np.nan. A solução: usar o tipo nullable df['col'].astype('Int64') (I maiúsculo), que representa valores ausentes com pd.NA enquanto preserva a semântica de inteiro.

📖 Resumo

NaN não é igual a si mesmo (IEEE 754), então você deve detectá-lo com isnull() — não pode usar ==
isnull / notnull detectam valores ausentes; .sum() os conta e .any() faz uma verificação rápida
dropna elimina linhas/colunas com valores ausentes: how='any'/'all', o limite thresh e subset para verificação específica de colunas
fillna preenche valores: constante / média / mediana / moda; no Pandas 2.x use ffill()/bfill() em vez de método
interpolate preenche por interpolação: linear é o padrão, time pondera por tempo, quadratic/cubic ajustam curvas
Operações seguras com Escrita em Cópia: atribua de volta a uma variável ou use inplace
O fluxo de trabalho: detectar e analisar → remover o que não pode ser corrigido → preencher/interpolar → verificar zero valores ausentes

📝 Exercícios

Básico (Dificuldade ⭐): Crie um DataFrame contendo NaN. Use isnull().sum() para contar os valores ausentes em cada coluna, remova as linhas com valores ausentes usando dropna(), e compare a mudança na contagem de linhas.
Intermediário (Dificuldade ⭐⭐): Crie um DataFrame de séries temporais (10 linhas com 3 valores NaN). Preencha-o respectivamente com ffill() / bfill() / interpolate(method='linear'), e compare as diferenças entre os três resultados.
Desafio (Dificuldade ⭐⭐⭐): Simule 50 linhas de dados de clientes (idade/salário/categoria cada um com 15% de dados ausentes) e execute o fluxo completo de limpeza: análise de valores ausentes → dropna(subset=[colunas_chave]) → preencher idade com a média → interpolar salário → preencher categoria com a moda → verificar se há zero valores ausentes.

← Previous: Data I/O · Next: Handling Duplicate Data →

Equipe Técnica Web-Tutorial

Uma plataforma de tutoriais mantida por diversos desenvolvedores. Cada tutorial é escrito e revisado por profissionais da área correspondente. Trabalhamos para manter nosso conteúdo preciso e confiável — se encontrar algum problema, avise-nos.

Sobre Nós