diff --git a/.gitignore b/.gitignore
new file mode 100644
index 0000000..b694934
--- /dev/null
+++ b/.gitignore
@@ -0,0 +1 @@
+.venv
\ No newline at end of file
diff --git a/basico_panda/Gerentes.xlsx b/basico_panda/Gerentes.xlsx
new file mode 100644
index 0000000..d00ede5
Binary files /dev/null and b/basico_panda/Gerentes.xlsx differ
diff --git a/basico_panda/Vendas - Dez.xlsx b/basico_panda/Vendas - Dez.xlsx
new file mode 100644
index 0000000..375492f
Binary files /dev/null and b/basico_panda/Vendas - Dez.xlsx differ
diff --git a/basico_panda/Vendas.xlsx b/basico_panda/Vendas.xlsx
new file mode 100644
index 0000000..1cd01a2
Binary files /dev/null and b/basico_panda/Vendas.xlsx differ
diff --git a/basico_panda/pandas_basico.py b/basico_panda/pandas_basico.py
new file mode 100644
index 0000000..76f64dc
--- /dev/null
+++ b/basico_panda/pandas_basico.py
@@ -0,0 +1,115 @@
+# Obs.: Para rodar este arquivo, é necessário instalar o pandas e o openpyxl, para abrir os arquivos .xlsx.
+# Obs.: Para ver como está a tabela a qualquer momento, basta utilizar o método print(nome_dataframe).
+# Primeiro, deve-se importar o panda no arquivo. 
+import pandas as pd
+import os
+
+# ----------------------------------------------------------------------------------
+# Criando um dataframe, um dataframe é nada mais que uma tabela dentro do python.
+# Existem 3 métodos.
+
+# Primeiro - DateFrame vazio.
+dateframe = pd.DataFrame()
+
+# Segundo - A partir de um dicionário do python.
+venda = {'data': ['15/02/2021', '16/02/2021'],
+         'valor': [500, 300],
+         'produto': ['feijao', 'arroz'],
+         'qtde': [50, 70],
+        }
+
+vendas_df = pd.DataFrame(venda) 
+
+# Terceiro - A partir de um arquivo de dados.
+vendas_df = pd.read_excel(os.getcwd()+'/basico_panda/'+"Vendas.xlsx")
+
+# ----------------------------------------------------------------------------------
+# Resumos de Visualização de Dados simples e úteis.
+# head - mostra as x primeiras linhas (5 por default).
+# shape - mostra a qtd de linhas e colunas.
+# describe - mostra diversas funções (mean, count, std, min, etc) aplicadas nas colunas númericas.
+
+print(vendas_df.head(10))
+print(vendas_df.shape)
+print(vendas_df.describe())
+
+# ----------------------------------------------------------------------------------
+# Pegar colunas da tabela.
+produtos = vendas_df['Produto']
+produtosComLoja = vendas_df[['Produto', 'ID Loja']]
+
+# ----------------------------------------------------------------------------------
+# Pegar linhas, valores especificos ou buscas mais complexas - função loc.
+# pegar uma linha.
+print(vendas_df.loc[1])
+
+# pegar linhas que correspondem a uma condição.
+vendas_norteshopping_df = vendas_df.loc[vendas_df['ID Loja'] == 'Norte Shopping']
+
+# pegar várias linhas e colunas usando o loc.
+vendas_norteshopping_df = vendas_df.loc[vendas_df['ID Loja'] == 'Norte Shopping', ["ID Loja", "Produto", "Quantidade"]]
+
+# pegar 1 valor específico, exemplo, pegar o que está na linha 1, na coluna 'Produto'.
+print(vendas_df.loc[1, 'Produto'])
+
+# ----------------------------------------------------------------------------------
+# Adicionando colunas.
+# Ao adicionar uma coluna, se ela existir, o pandas irá substituir os valores, caso não exista, irá adicionar a nova coluna.
+# a partir de uma coluna que existe, ou seja, os dados de comissão serão tragos da coluna 'Valor Final'.
+vendas_df['Comissão'] = vendas_df['Valor Final'] * 0.05
+
+# criar uma coluna com valor padrão, sem ser proveninente de outra coluna.
+# ':' significa todas linhas.
+vendas_df.loc[:, "Imposto"] = 0
+
+# ----------------------------------------------------------------------------------
+# Adicionando linhas
+# Vamos adicionar as vendas de dezembro, para isso, utilizamos o método concat.
+vendas_dez_df = pd.read_excel(os.getcwd()+'/basico_panda/'+"Vendas - Dez.xlsx")
+vendas_df = pd.concat([vendas_df, vendas_dez_df], ignore_index=True)
+
+# ----------------------------------------------------------------------------------
+# Excluindo linhas e colunas axis pode ser 0 e 1, use 1 para colunas e 0 para linhas, o default é 0.
+# Coluna
+vendas_df = vendas_df.drop('Imposto', axis=1)
+# Linhas
+vendas_df = vendas_df.drop(0, axis=0)
+
+# ----------------------------------------------------------------------------------
+# Tratar valores vázios. 
+
+# Deletar linhas/colunas vazias.
+# Deletar linhas que possuem valores vazios. 
+# Preencher valores vazios (média e último valor).
+
+# deletar linhas e colunas completamente vazias.
+vendas_df = vendas_df.dropna(how='all', axis=1)
+
+# deletar linhas que possuem pelo menos 1 valor vazio.
+vendas_df = vendas_df.dropna()
+
+# preencher com a média da coluna.
+vendas_df['Comissão'] = vendas_df['Comissão'].fillna(vendas_df['Comissão'].mean())
+
+# preencher com o último valor acima dele, exemplo:
+# Produto 1
+# X
+# Produto 2
+# Y
+# X será preenchido com Produto 1 e Y por produto 2.
+vendas_df = vendas_df.ffill()
+
+# ----------------------------------------------------------------------------------
+# Calculando indicadores
+# Value counts - Fazer alguma contagem, no nosso exemplo, podemos calcular quantas vezes x loja apareceu
+transacoes_loja = vendas_df['ID Loja'].value_counts()
+# Group by - Agrupar as informações, no nosso exemplo, o faturamento dos produtos, fazendo a soma dos valores finais de todos produtos
+faturamento_produto = vendas_df[['Produto', 'Valor Final']].groupby('Produto').sum()
+
+# ----------------------------------------------------------------------------------
+# Mesclar dataframes
+# Podemos mesclar dataframes, no nosso exemplo, queremos mesclar os gerentes das lojas com os dados da venda.
+# Como o arquivo 'Gerentes.xlsx' possui uma coluna igual ao que temos na 'Vendas.xlsx', o pandas consegue fazer o merge automaticamente.
+gerentes_df = pd.read_excel(os.getcwd()+'/basico_panda/'+"Gerentes.xlsx")
+vendas_df = vendas_df.merge(gerentes_df)
+print(vendas_df)
\ No newline at end of file