Exemplos¶

Exemplos práticos em Jupyter Notebooks para aprender DataFrameIt.

Notebooks Disponíveis¶

Os exemplos estão organizados do básico ao avançado. Recomendamos seguir na ordem.

1. Básico¶

Introdução ao DataFrameIt com análise de sentimentos.

Criar modelo Pydantic simples
Processar DataFrame básico
Entender a saída

from pydantic import BaseModel
from typing import Literal

class Sentimento(BaseModel):
    sentimento: Literal['positivo', 'negativo', 'neutro']

2. Tratamento de Erros¶

02_error_handling.ipynb

Como lidar com erros e configurar retry.

Configurar max_retries, base_delay, max_delay
Verificar coluna _dataframeit_status, que só aparece quando alguma linha falha
Analisar _error_details

3. Processamento Incremental¶

03_resume.ipynb

Continuar processamento de onde parou.

Salvar checkpoints com batch_size e checkpoint_path
Recarregar com read_df e continuar com resume=True
Reprocessar apenas linhas com erro

4. Prompt e Coluna de Texto¶

04_custom_placeholder.ipynb

Controlar onde o texto aparece no prompt e de qual coluna ele vem.

Posicionar {texto} no template, ou deixar o texto ir ao final
Inferência de text_column e quando informá-la
Linhas com texto vazio

5. Caso Avançado: Análise Jurídica¶

05_advanced_legal.ipynb

Exemplo real com modelo Pydantic complexo.

Modelos aninhados
Campos opcionais
Listas de objetos
Extração de múltiplas entidades

class Parte(BaseModel):
    nome: str
    tipo: Literal['autor', 'reu']

class Decisao(BaseModel):
    partes: List[Parte]
    resultado: Literal['procedente', 'improcedente']

6. Polars¶

06_polars.ipynb

Usar DataFrameIt com Polars ao invés de Pandas.

Entrada com polars.DataFrame
Saída preserva tipo Polars

7. Múltiplos Tipos de Dados¶

07_multiple_data_types.ipynb

Processar diferentes tipos de entrada.

Listas
Dicionários
Series

8. Rate Limiting¶

08_rate_limiting.ipynb

Controlar taxa de requisições.

Configurar rate_limit_delay
Usar parallel_requests
Combinar para máxima eficiência

9. Busca Web¶

example_09_web_search.py

Script com busca web por agente.

use_search, search_per_field e save_trace
Tavily ou Exa como provedor de busca

Executando os Exemplos¶

1. Clone o Repositório¶

git clone https://github.com/bdcdo/dataframeit.git
cd dataframeit

2. Instale as Dependências¶

pip install dataframeit[openai]
pip install jupyter

3. Configure sua API Key¶

export OPENAI_API_KEY="sua-chave"

4. Execute o Jupyter¶

jupyter notebook example/

Contribuindo com Exemplos¶

Se você criou um exemplo interessante, considere contribuir! Abra uma issue ou pull request no GitHub.