Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Recurso digital |
| Language: | |
| Published: |
Zenodo
2026
|
| Subjects: | |
| Online Access: | https://doi.org/10.5281/zenodo.20024808 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- <p>No ecossistema da Ciência de Dados, a eficiência no processamento de grandes volumes de<br>informação é mandatória. Este artigo explora a biblioteca Pandas, ferramenta líder para mani-<br>pulação de dados em Python, focando em suas estruturas fundamentais: Series e DataFrame. O<br>estudo apresenta uma análise comparativa de desempenho entre o processamento iterativo tradi-<br>cional e a vetorização nativa do Pandas. Os resultados experimentais demonstram uma redução<br>drástica no tempo de execução, validando a biblioteca como padrão ouro para alta performance<br>e escalabilidade em fluxos de trabalho analíticos.</p>