Resumo Este artigo explora a utilização da biblioteca Pandas para a análise exploratória e tratamento de dados em ambiente Python. O problema central reside na ineficiência do uso de estruturas nativas para grandes volumes de dados heterogêneos. O objetivo é demonstrar como o uso de Series e DataFrames otimiza a filtragem e a extração de métricas estatísticas. A metodologia aplicada compreende o processamento de dados financeiros e a geração de visualizações para suporte à tomada de decisão. Os resultados indicam que a abstração fornecida pelo Pandas permite uma redução significativa no tempo de desenvolvimento de pipelines de dados.