Dataframes da biblioteca Pandas no Python são muito
versáteis. Com eles é possível ler, processar, transformar e
exportar dados tabulares com grande eficiência. Considere
um dataframe criado a partir da leitura de um arquivo do tipo
csv (comma separated value). Só devem ser carregadas
as primeiras mil linhas das colunas A, B e C. Além disso,
todos os valores devem ser convertidos para o tipo string.
Os parâmetros e valores do método read_csv() que possibilitam isso são:

Question

Dataframes da biblioteca Pandas no Python são muito
versáteis. Com eles é possível ler, processar, transformar e
exportar dados tabulares com grande eficiência. Considere
um dataframe criado a partir da leitura de um arquivo do tipo
csv (comma separated value). Só devem ser carregadas
as primeiras mil linhas das colunas A, B e C. Além disso,
todos os valores devem ser convertidos para o tipo string.
Os parâmetros e valores do método read_csv() que possibilitam isso são: Alternativa A: nrows=1000, usecols=[‘A’, ‘B’, ‘C’] e dtype=str. Ou Alternativa B: nrows=1k, usecols=[‘A’, ‘B’, ‘C’] e type=String. Ou Alternativa C: lines=1000, columns=[‘A’, ‘B’, ‘C’] e dtype=String. Ou Alternativa D: nrows=1000, names=[‘A’, ‘B’, ‘C’] e type=str. Ou Alternativa E: lines=1k, columns=[‘A’, ‘B’, ‘C’] e dtype=str.

Fundação Oswaldo Cruz · Accepted Answer

Alternativa [A] nrows=1000, usecols=[‘A’, ‘B’, ‘C’] e dtype=str.

Quer um estudo ilimitado?

Quer um estudo ilimitado?

Dataframes da biblioteca Pandas no Python são muito versáte...

Questões de assuntos semelhantes

Provas relacionadas