1

Estou trabalhando com uma base de dados de municípios brasileiros. Dentre as informações que ela possui, estão o nome do município, estado, se é capital, população, etc. Gostaria de trabalhar com os dados reunidos por região do país, incluídos em uma nova coluna. Carreguei o dataset, fiz os ajustes e tal. Criei as variáveis das regiões:

Norte = ['AM', 'PA', 'RR', 'AC','RO','AP', 'TO'],
Sul = ['PR', 'SC', 'RS'],
CentroOeste = ['MT', 'MS', 'GO', 'DF'],
Nordeste = ['BA', 'CE','MA', 'PB', 'PE', 'RN', 'SE', 'AL', 'PI'],
Sudeste = ['SP', 'RJ', 'MG','ES']

A seguir, criei o campo REGIAO, logo depois de Município e Estado:

df500.insert(2, 'REGIAO', 'NaN')

Para preencher a nova coluna usei:

df['REGIAO'] = df['ESTADO'].apply(lambda x: 'Sul' if x in Sul else 'Norte' if x in Norte else 'Nordeste' if x in Nordeste else 'Sudeste' if x in Sudeste else 'Centro-Oeste')

Entrentanto, a saída que recebo é a seguinte:

Index CIDADE ESTADO REGIAO CAPITAL POPULACAO_TOTAL_2010
0 Brejo De Areia MA Centro-Oeste 0 5577.0
1 Cujubim RO Centro-Oeste 0 15854.0
2 Balbinos SP Sudeste 0 3702.0
3 Pacaraima RR Centro-Oeste 0 10433.0
4 Araquari SC Centro-Oeste 0 24810.0
5 Pedra Branca Do Amapari AP Centro-Oeste 0 10772.0
6 Ipiranga Do Norte MT Centro-Oeste 0 5123.0
7 Parari PB Centro-Oeste 0 1256.0
8 Colniza MT Centro-Oeste 0 26381.0
9 Luís Eduardo Magalhães BA Centro-Oeste 0 60105.0

ou seja, só as entradas do sudeste e as do centro-oeste estão corretas, as demais aparecem sempre como centro-oeste. Tentei fazer de dois em dois, alterando a ordem das entradas,da sintaxe do else if, não consegui sair do lugar. Alguém pode me ajudar? Desde já agradeço

2 Respostas 2

2

Aparentemente o problema esta sendo causado pela , que você esta colocando no final da lista Ex.:

Norte = ['AM', 'PA', 'RR', 'AC','RO','AP', 'TO'],  # <

quando você faz um print dessa variável você pode notar que por causa dessa virgula a variável não é uma list ela é uma tuple com uma list dentro

print( Norte )
# output: (['AM', 'PA', 'RR', 'AC', 'RO', 'AP', 'TO'],)

veja funcionando online no ideone

então a solução é simples, remova as virgulas no fim dessas listas.


O seu lambda esta correto, eu achei ele um pouco complexo uma outra possibilidade seria utiliza o .loc como .isin para verificar e alterar esses valores como mostrado abaixo porém essa solução provavelmente será mais lenta.

regiao = {
    "Norte":['AM', 'PA', 'RR', 'AC','RO','AP', 'TO'],
    "Sul":['PR', 'SC', 'RS'],
    "Centro Oeste":['MT', 'MS', 'GO', 'DF'],
    "Nordeste":['BA', 'CE','MA', 'PB', 'PE', 'RN', 'SE', 'AL', 'PI'],
    "Sudeste":['SP', 'RJ', 'MG','ES'],
}
 
for k in regiao:
    df.loc[ df['ESTADO'].isin(regiao[k]), 'REGIAO'] = k

veja funcionando online no ideone

2
  • 1
    duas horas tentando de mil formas, e era só tirar a vírgula... agradeço o apontamento e agradeço também a alternativa apresentada!
    – annacoloda
    Commented 7/12/2021 às 13:43
  • Ola @annacoloda, que bom que pude ajudar 😀 - Só para informar você pode votar em todas as respostas que achar útil, porem apenas uma resposta pode ser marcada como correta/aceita ao clicar no "✅", fique a vontade para escolher a resposta que for mas apropriada. - Também vale dar uma passada em nosso Tour. 👍 Commented 7/12/2021 às 15:24
1

Tratar dataframes é muito mais rápido e seguro fazendo utilização de aplicações para dataframe. Sugiro não utilizar os if e else, tente fazer um merge, criando uma base onde já conste os estados e suas regiões

Eu montei aqui rapidamente um excel pela correria com os dados e fiz através o merge um teste. Funcionou perfeitamente, tente adaptar a sua necessidade.

outra sugestão é que trabalhando com o merge não há necessidade de você criar a coluna região, ao fazer o merge com a base através a coluna estado, o próprio python vai lhe trazer esta coluna. Veja a documentação para lhe atender.

Documentação pandas \ merge

est_reg = pd.read_excel('estadosregiao.xlsx')


obj = {'ESTADO': ['MA', 'RR', 'AC', 'CE','MA', 'PB', 'PR', 'SP', 'GO', 'DF']}

df = pd.DataFrame(data=obj)


final = pd.merge(df, est_reg, how='inner', on='ESTADO', suffixes=(False, False))

print(final)

resultado:

  ESTADO       REGIAO
0     MA     Nordeste
1     MA     Nordeste
2     RR        Norte
3     AC        Norte
4     CE     Nordeste
5     PB     Nordeste
6     PR          Sul
7     SP      Sudeste
8     GO  CentroOeste
9     DF  CentroOeste
1
  • 1
    estou começando agora, não conhecia o merge. vou pesquisar mais! gracias!
    – annacoloda
    Commented 7/12/2021 às 13:43

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .