guia-python

Olá, muito obrigado por ter acessado esse guia, ele foi pensado e desenvolvido com muito carinho com o objetivo de ajudar você que está começando na programação.

Com esse guia você vai ser capaz de dar os seus primeiros passos práticos no mundo do Python.

Não esquece de me seguir no Instagram @umporcentoprog que lá eu trago conteúdo educacional de programação todos os dias, e é por lá que eu solto esses guias gratuitos, como esse que você está lendo!

1 - Introdução ao Python

1.1 - O que é Python e por que aprender?

Python é uma linguagem de programação de alto nível, interpretada e extremamente versátil. É usada em diversas áreas como desenvolvimento web, ciência de dados, inteligência artificial, automação, entre outras. Para entender melhor, vamos fazer uma analogia:

Imagine que você está em uma cozinha . Python seria como aquele canivete suíço que tem uma infinidade de funcionalidades e é útil em várias situações. Você pode usar uma ferramenta para cortar legumes, outra para abrir uma garrafa, e até mesmo uma pinça para pegar algo com precisão. Assim como o canivete, Python oferece uma variedade de "ferramentas" que permitem resolver problemas de diferentes naturezas.

1.1.1 - Principais características do Python

Sintaxe Simples: Python tem uma sintaxe que se assemelha ao inglês, tornando-o mais fácil de aprender e ler. É como se estivesse lendo um manual de instruções, ao invés de tentar decifrar um código secreto.

Grande Comunidade e Ecossistema: Como Python é popular, há uma grande comunidade de programadores prontos para ajudar, e muitos recursos disponíveis. Isso significa que sempre haverá alguém para te ajudar quando você travar em alguma coisa .

Bibliotecas e Frameworks Poderosos: Python tem uma vasta quantidade de bibliotecas e frameworks, como o

numpy

para cálculo numérico,

pandas

para manipulação de dados, e

django

para desenvolvimento web. É como ter um arsenal de ferramentas prontas para qualquer situação que você enfrentar .

1.2 - Instalação do Python e configuração do ambiente

Antes de começar a programar, precisamos instalar o Python no seu computador. Siga os passos abaixo para configurar seu ambiente:

1.2.1 - Instalando o Python

Acesse o site oficial do Python: python.org

Baixe a versão mais recente para o seu sistema operacional (Windows, macOS ou Linux).

Durante a instalação, não se esqueça de marcar a opção "Add Python to PATH"! Isso permitirá que você execute o Python diretamente no terminal.

1.2.2 - Verificando a instalação

Abra o terminal (no Windows, use o Prompt de Comando ou Powershell; no macOS e Linux, o Terminal) e digite o seguinte comando:

Shell

Copiar

python --version

Se tudo estiver certo, a versão do Python será exibida. Você também pode usar

python3 --version

em sistemas baseados em UNIX, como Linux e macOS.

Dica: Utilize a combinação

CTRL + L

para limpar o terminal quando ele estiver cheio de informações.

1.3 - Primeiro programa em Python: "Hello, World!"

É hora de colocar a mão na massa! Vamos criar nosso primeiro programa em Python: o famoso Hello, World! . Ele é considerado o "primeiro passo" em qualquer linguagem de programação, e serve para garantir que o ambiente de desenvolvimento está funcionando corretamente.

Abra seu editor de texto (pode ser o VSCode, PyCharm ou até o bloco de notas, se preferir) e escreva o seguinte código:

Python

Copiar

print("Hello, World!")

Agora, salve o arquivo com o nome

hello_world.py

e execute no terminal com o comando:

Shell

Copiar

python hello_world.py

Se tudo estiver certo, você verá o seguinte no terminal:

Plain Text

Copiar

Hello, World!

Parabéns, você acabou de criar seu primeiro programa em Python!

1.4 - Como executar scripts Python

Existem várias maneiras de executar um script Python, e conhecer todas elas é importante para aumentar a sua eficiência como programador.

1.4.1 - Executando pelo Terminal

Como você acabou de ver, podemos executar um script diretamente pelo terminal. Basta navegar até o diretório onde o arquivo está salvo e usar o comando:

Shell

Copiar

python nome_do_seu_arquivo.py

1.4.2 - Executando pelo seu Editor de Código

A maioria dos editores de código como VSCode, PyCharm ou Jupyter Notebook permite que você execute o código diretamente na interface do programa. Basta abrir o arquivo e clicar no botão de "Run" .

1.4.3 - Executando interativamente

Se você quer testar pequenos trechos de código, pode usar o modo interativo do Python. Basta digitar

python

no terminal, e você terá um ambiente onde pode testar comandos rapidamente, como uma calculadora.

Exemplo:

Python

Copiar

>>> 2 + 2
4

1.4.4 - Jupyter Notebooks

Se você pretende trabalhar com Ciência de Dados ou Análise de Dados, vale a pena aprender a usar o Jupyter Notebook. Ele permite que você crie "cadernos" onde pode combinar código Python, texto explicativo, imagens e gráficos. É uma ferramenta poderosa!

2 - Fundamentos da Linguagem

2.1 - Tipos de dados básicos (int, float, str, bool)

O Python possui tipos de dados essenciais que formam a base da linguagem. Vamos entendê-los e como eles se comportam.

2.1.1 - Inteiros (
int
)

Os números inteiros são aqueles sem casas decimais, como

-10

. Em Python, eles são representados pelo tipo

int

Python

Copiar

meu_inteiro = 10
print(type(meu_inteiro))  # <class 'int'>

2.1.2 - Pontos Flutuantes (
float
)

floats

são números com casas decimais. Por exemplo,

3.14

0.5

-7.0

. Eles são úteis para cálculos mais precisos, como medições e valores monetários.

Python

Copiar

meu_float = 3.14
print(type(meu_float))  # <class 'float'>

Imagine que você está medindo a quantidade de água em um copo . Você pode ter 150 ml ou 150.5 ml. O primeiro é um

int

, e o segundo é um

float

2.1.3 - Strings (
str
)

Uma

string

é uma sequência de caracteres, usada para representar texto. Pode ser qualquer coisa que você coloca entre aspas simples

' '

ou duplas

" "

Python

Copiar

meu_texto = "Olá, Python!"
print(type(meu_texto))  # <class 'str'>

As strings são como o papel que você escreve uma mensagem , enquanto os outros tipos de dados são os números que fazem seus cálculos.

2.1.4 - Booleanos (
bool
)

O tipo

bool

é usado para representar valores verdadeiros ou falsos, com apenas dois possíveis valores:

True

False

. Eles são usados em estruturas de controle de fluxo, como condicionais.

Python

Copiar

meu_bool = True
print(type(meu_bool))  # <class 'bool'>

2.2 - Variáveis e tipos de atribuição

As variáveis são como "caixas" onde você armazena valores . Elas permitem que você manipule dados de forma dinâmica durante a execução do seu programa.

2.2.1 - Como declarar variáveis

Você não precisa especificar o tipo da variável, o Python é dinamicamente tipado. Basta atribuir um valor com

Python

Copiar

idade = 25   # A variável 'idade' agora contém um inteiro
nome = "Maria"  # A variável 'nome' agora contém uma string

2.2.2 - Regras para nomear variáveis

Devem começar com uma letra ou

(underline).

Não podem começar com um número.

Não podem conter espaços ou caracteres especiais como

São case-sensitive (

idade

Idade

são variáveis diferentes).

Imagine as variáveis como "etiquetas" que você coloca em caixas . A etiqueta "idade" pode estar associada ao número

, e a etiqueta "nome" ao texto

"Maria"

2.3 - Entrada e saída de dados (input e print)

A comunicação entre você e seu programa é feita com as funções

input()

print()

2.3.1 - Saída de dados com
print()

A função

print()

é usada para exibir informações na tela.

Python

Copiar

print("Olá, Mundo!")

2.3.2 - Entrada de dados com
input()

A função

input()

permite que o usuário insira dados. O valor inserido é sempre do tipo

string

Python

Copiar

nome = input("Digite seu nome: ")
print("Bem-vindo, " + nome + "!")

Dica: Quando precisar de um número do usuário, converta o valor de

input()

usando

int()

float()

Python

Copiar

idade = int(input("Digite sua idade: "))
print("Você tem", idade, "anos.")

2.4 - Operadores aritméticos, relacionais e lógicos

2.4.1 - Operadores aritméticos

Esses operadores permitem realizar operações matemáticas:

Operador	Descrição	Exemplo
+	Adição	2 + 3 = 5
-	Subtração	5 - 2 = 3
*	Multiplicação	3 * 4 = 12
/	Divisão	10 / 2 = 5
//	Divisão inteira	10 // 3 = 3
%	Módulo	10 % 3 = 1
**	Potência	2 ** 3 = 8

2.4.2 - Operadores relacionais

Esses operadores comparam valores e retornam

True

False

Operador	Descrição	Exemplo
==	Igual	5 == 5 = True
!=	Diferente	5 != 3 = True
>	Maior que	5 > 3 = True
<	Menor que	3 < 5 = True
>=	Maior ou igual	5 >= 5 = True
<=	Menor ou igual	3 <= 5 = True

2.4.3 - Operadores lógicos

São usados para combinar expressões:

Operador	Descrição	Exemplo
and	E	True and False = False
or	Ou	True or False = True
not	Não	not True = False

Pense nos operadores como sinais de trânsito . Eles orientam como o fluxo do seu código deve prosseguir, baseando-se nas condições que você estabelece.

Exercícios

Crie um programa que solicite ao usuário que insira seu nome e idade. Em seguida, exiba uma mensagem dizendo:

"Olá, [nome], você tem [idade] anos!"

Crie um programa que leia dois números do usuário e exiba a soma, subtração, multiplicação e divisão desses números.

Crie um programa que solicite ao usuário três notas e calcule a média aritmética delas. Exiba se o aluno está "Aprovado" (média ≥ 7) ou "Reprovado".

Crie um programa que leia um número e exiba se ele é par ou ímpar usando o operador

3 - Estruturas de Controle de Fluxo

3.1 - Condicionais (if, elif, else)

As estruturas condicionais permitem que o programa tome decisões com base em certas condições, assim como nós fazemos diariamente. Imagine que você está planejando sair, e decide se vai levar um guarda-chuva ☔️. Se estiver chovendo, você leva; se não, deixa em casa. As condicionais no Python funcionam da mesma forma.

3.1.1 - A estrutura
if

A estrutura

é usada para executar um bloco de código se uma condição for verdadeira.

Python

Copiar

idade = 18
if idade >= 18:
    print("Você é maior de idade.")

Dica: O Python utiliza indentação (4 espaços ou um TAB) para definir blocos de código. Tome cuidado com a identação, pois ela é essencial para que o programa funcione corretamente!

3.1.2 - A estrutura
else

else

especifica o que fazer caso a condição do

não seja verdadeira.

Python

Copiar

idade = 16
if idade >= 18:
    print("Você é maior de idade.")
else:
    print("Você é menor de idade.")

3.1.3 - A estrutura
elif

Se você precisar verificar várias condições, pode usar

elif

(abreviação de "else if"). Pense nele como opções adicionais para o seu "se".

Python

Copiar

nota = 8.5
if nota >= 9:
    print("Excelente!")
elif nota >= 7:
    print("Bom trabalho!")
else:
    print("Você precisa melhorar.")

Analogias do dia a dia: Imagine que está pedindo uma pizza . Se você quer uma pizza de "Calabresa", a escolha é clara. Se não tiver calabresa, você aceita "Mussarela". Se nem calabresa nem mussarela estiverem disponíveis, vai de "Frango". O

elif

else

funcionam como as opções que você tem no menu.

3.2 - Estruturas de repetição (for e while)

As estruturas de repetição permitem executar um bloco de código várias vezes, o que é útil para evitar repetições desnecessárias.

3.2.1 - Estrutura
for

for

é usado quando sabemos o número de iterações ou quando queremos percorrer uma sequência (lista, tupla, string, etc.).

Python

Copiar

nomes = ["Ana", "Carlos", "Bianca"]
for nome in nomes:
    print("Olá,", nome)

3.2.2 - Função
range()
com
for

range()

gera uma sequência de números. Ele é muito útil em conjunto com

for

Python

Copiar

for i in range(5):  # Imprime os números de 0 a 4
    print(i)

Imagine que você está na academia . Quando o instrutor diz para fazer 10 repetições, você sabe que vai repetir 10 vezes o mesmo movimento – é o mesmo conceito do

for

3.2.3 - Estrutura
while

while

é usado quando não sabemos quantas vezes a repetição deve ocorrer, pois ela depende de uma condição ser verdadeira.

Python

Copiar

contador = 0
while contador < 5:
    print("Contagem:", contador)
    contador += 1

Cuidado: Certifique-se de que a condição do

while

se tornará falsa em algum momento, ou seu código entrará em um loop infinito!

3.3 - Controle de loops (break, continue, pass)

Às vezes, precisamos de mais controle sobre nossos loops. O Python oferece as palavras-chave

break

continue

pass

para lidar com essas situações.

3.3.1 -
break

break

encerra o loop imediatamente.

Python

Copiar

for numero in range(10):
    if numero == 5:
        break
    print(numero)
# Saída: 0, 1, 2, 3, 4

3.3.2 -
continue

continue

interrompe a iteração atual e passa para a próxima.

Python

Copiar

for numero in range(5):
    if numero == 2:
        continue
    print(numero)
# Saída: 0, 1, 3, 4

3.3.3 -
pass

pass

é um "placeholder". Não faz nada, mas é útil quando a sintaxe exige que um bloco de código esteja presente.

Python

Copiar

for i in range(3):
    pass  # Futuramente, adicionaremos o código aqui

3.4 - Compreensão de listas (list comprehensions)

A compreensão de listas é uma maneira concisa de criar listas em Python, tornando seu código mais legível e eficiente.

3.4.1 - Sintaxe básica

Python

Copiar

numeros = [x for x in range(5)]
print(numeros)  # [0, 1, 2, 3, 4]

Analogias do mundo real: É como uma "linha de montagem" . A list comprehension cria elementos seguindo um padrão definido, como peças sendo montadas em série.

3.4.2 - Compreensão de listas com condições

Podemos adicionar condições à compreensão de listas.

Python

Copiar

pares = [x for x in range(10) if x % 2 == 0]
print(pares)  # [0, 2, 4, 6, 8]

Exercícios

Escreva um programa que peça ao usuário um número e diga se ele é positivo, negativo ou zero, usando condicionais

elif

else

Crie uma lista com os nomes de cinco amigos e, usando um

for

, exiba uma mensagem de saudação para cada um.

Escreva um programa que calcule a soma de todos os números pares de 1 a 100 utilizando um loop

for

Crie um programa que simule uma senha de 4 dígitos. O usuário tem 3 tentativas para acertar. Use um loop

while

e o

break

para controlar as tentativas.

4 - Estruturas de Dados em Python

4.1 - Listas

As listas são uma das estruturas de dados mais versáteis em Python. Pense nelas como uma prateleira de livros , onde cada livro ocupa uma posição específica e você pode acessar, adicionar ou remover livros quando quiser.

4.1.1 - Criando listas

Você pode criar uma lista usando colchetes

[]

e separando os elementos por vírgulas.

Python

Copiar

minha_lista = [1, 2, 3, "Python", True]
print(minha_lista)  # [1, 2, 3, "Python", True]

4.1.2 - Acessando elementos

Para acessar um elemento de uma lista, utilizamos o índice (posição) do item. Lembre-se que a contagem começa em 0.

Python

Copiar

print(minha_lista[0])  # 1
print(minha_lista[3])  # "Python"

Dica: Use índices negativos para acessar os elementos de trás para frente!

Python

Copiar

print(minha_lista[-1])  # True

4.1.3 - Modificando listas

Você pode adicionar, remover ou alterar elementos da lista.

Adicionar: Use

append()

para adicionar um elemento ao final da lista.

Python

Copiar

minha_lista.append("Novo Item")
print(minha_lista)

Remover: Use

remove()

para remover um item específico, ou

pop()

para remover pelo índice.

Python

Copiar

minha_lista.remove("Python")
print(minha_lista)

minha_lista.pop(0)  # Remove o primeiro elemento
print(minha_lista)

4.1.4 - Iterando sobre listas

Você pode usar um

for

para percorrer cada item da lista.

Python

Copiar

for item in minha_lista:
    print(item)

4.2 - Tuplas

As tuplas são similares às listas, mas são imutáveis, ou seja, não podem ser alteradas depois de criadas. Pense nelas como o menu de um restaurante . Uma vez que o menu está impresso, não é possível alterar as opções sem fazer um novo.

4.2.1 - Criando tuplas

Use parênteses

()

para criar uma tupla.

Python

Copiar

minha_tupla = (1, 2, 3, "Python", True)
print(minha_tupla)

4.2.2 - Acessando elementos da tupla

O acesso é feito da mesma forma que em listas, utilizando índices.

Python

Copiar

print(minha_tupla[1])  # 2

4.3 - Conjuntos (sets)

Conjuntos são coleções não ordenadas e sem elementos duplicados. Pense neles como uma caixa de lápis de cor , onde cada cor aparece apenas uma vez.

4.3.1 - Criando conjuntos

Use chaves

{}

para criar um conjunto.

Python

Copiar

meu_conjunto = {1, 2, 2, 3, 4, 4}
print(meu_conjunto)  # {1, 2, 3, 4}

4.3.2 - Operações com conjuntos

Você pode realizar operações como união (

), interseção (

) e diferença (

Python

Copiar

a = {1, 2, 3}
b = {3, 4, 5}

print(a | b)  # União: {1, 2, 3, 4, 5}
print(a & b)  # Interseção: {3}
print(a - b)  # Diferença: {1, 2}

4.4 - Dicionários

Os dicionários são como um manual de instruções , onde cada "palavra" tem um "significado". Eles armazenam pares de chave: valor.

4.4.1 - Criando dicionários

Use chaves

{}

e separe os pares com

Python

Copiar

meu_dict = {"nome": "Python", "ano": 1991, "tipo": "Linguagem de Programação"}
print(meu_dict)

4.4.2 - Acessando e modificando valores

Você pode acessar um valor utilizando sua chave.

Python

Copiar

print(meu_dict["nome"])  # "Python"

# Modificando
meu_dict["ano"] = 2024
print(meu_dict)

4.4.3 - Métodos úteis de dicionários

keys()

: Retorna todas as chaves.

values()

: Retorna todos os valores.

items()

: Retorna todos os pares chave-valor.

Python

Copiar

print(meu_dict.keys())    # dict_keys(['nome', 'ano', 'tipo'])
print(meu_dict.values())  # dict_values(['Python', 2024, 'Linguagem de Programação'])

4.5 - Operações e métodos com cada estrutura de dados

4.5.1 - Listas

len(lista)

: Retorna o número de elementos.

max(lista)

min(lista)

: Retorna o maior e menor elemento.

sort()

: Ordena a lista em ordem crescente.

Python

Copiar

lista = [3, 1, 4, 1, 5]
lista.sort()
print(lista)  # [1, 1, 3, 4, 5]

4.5.2 - Tuplas

count(valor)

: Conta quantas vezes o valor aparece na tupla.

index(valor)

: Retorna o índice da primeira ocorrência do valor.

4.5.3 - Conjuntos

add(elemento)

: Adiciona um elemento ao conjunto.

remove(elemento)

: Remove um elemento específico.

Python

Copiar

meu_conjunto.add(6)
print(meu_conjunto)  # {1, 2, 3, 4, 6}

4.5.4 - Dicionários

get(chave)

: Retorna o valor associado à chave, ou

None

se a chave não existir.

pop(chave)

: Remove a chave e retorna seu valor.

Python

Copiar

valor = meu_dict.pop("ano")
print(valor)       # 2024
print(meu_dict)    # {'nome': 'Python', 'tipo': 'Linguagem de Programação'}

Exercícios

Crie uma lista com os números de 1 a 10 e imprima apenas os números pares.

Crie uma tupla com cinco elementos e tente alterá-los para entender a imutabilidade.

Crie um conjunto a partir de uma lista que contém elementos duplicados e mostre como os duplicados são removidos.

Crie um dicionário que armazene o nome, idade e cidade de uma pessoa e exiba essas informações de forma organizada.

5 - Funções em Python

5.1 - Definindo e chamando funções

As funções são blocos de código reutilizáveis que executam uma tarefa específica. Pense nelas como receitas de cozinha : você segue um conjunto de instruções para obter um resultado. Em Python, as funções permitem organizar e estruturar seu código, evitando repetições.

5.1.1 - Criando uma função

Você define uma função usando a palavra-chave

def

, seguida do nome da função e parênteses

()

Python

Copiar

def saudacao():
    print("Olá, seja bem-vindo ao mundo do Python!")

Para chamar a função, basta usar seu nome seguido de parênteses:

Python

Copiar

saudacao()  # Saída: Olá, seja bem-vindo ao mundo do Python!

5.2 - Parâmetros e argumentos

As funções podem receber parâmetros, que são valores enviados para a função quando ela é chamada, permitindo que ela trabalhe de forma mais dinâmica.

5.2.1 - Funções com parâmetros

Python

Copiar

def saudacao(nome):
    print(f"Olá, {nome}, seja bem-vindo!")

Ao chamar a função, você passa o argumento:

Python

Copiar

saudacao("Maria")  # Saída: Olá, Maria, seja bem-vindo!

Analogia: Parâmetros são como os ingredientes de uma receita. A função "bolo" precisa de ingredientes como "farinha" e "açúcar" para ser executada.

5.2.2 - Parâmetros com valor padrão

Você pode definir um valor padrão para um parâmetro. Se nenhum valor for fornecido, o padrão será usado.

Python

Copiar

def saudacao(nome="Visitante"):
    print(f"Olá, {nome}, seja bem-vindo!")

5.3 - Retorno de valores

Uma função pode retornar um valor usando a palavra-chave

return

Python

Copiar

def soma(a, b):
    return a + b

resultado = soma(5, 3)
print(resultado)  # Saída: 8

return

é como o garçom entregando seu pedido . Ele leva o resultado da função de volta para quem a chamou.

Vamos finalizar o tópico de funções em Python com a qualidade e profundidade que você espera!

5.4 - Funções anônimas (lambda)

As funções

lambda

são funções anônimas (sem nome) que permitem criar pequenas funções em apenas uma linha. Elas são ideais para tarefas rápidas que não exigem a definição completa de uma função com

def

5.4.1 - Criando uma função
lambda

A sintaxe de uma função

lambda

é a seguinte:

Python

Copiar

lambda argumentos: expressão

Um exemplo simples seria:

Python

Copiar

dobro = lambda x: x * 2
print(dobro(5))  # Saída: 10

Nesse caso,

lambda x: x * 2

é equivalente a:

Python

Copiar

def dobro(x):
    return x * 2

5.4.2 - Usando
lambda
com múltiplos argumentos

Você pode usar funções

lambda

com vários argumentos:

Python

Copiar

soma = lambda x, y: x + y
print(soma(3, 4))  # Saída: 7

Analogia: Imagine a função

lambda

como um atalho de teclado. Ela permite realizar a mesma tarefa que uma função comum, mas de forma mais rápida e direta.

5.5 - Funções embutidas mais comuns (map, filter, zip, etc.)

Python oferece várias funções embutidas que facilitam a manipulação de coleções de dados, como

map()

filter()

, e

zip()

5.5.1 -
map()

A função

map()

aplica uma função a cada item de um iterável (como uma lista) e retorna um novo iterável com os resultados.

Python

Copiar

numeros = [1, 2, 3, 4]
dobrados = list(map(lambda x: x * 2, numeros))
print(dobrados)  # Saída: [2, 4, 6, 8]

5.5.2 -
filter()

A função

filter()

cria um iterável contendo apenas os itens que atendem a uma condição.

Python

Copiar

numeros = [1, 2, 3, 4, 5]
pares = list(filter(lambda x: x % 2 == 0, numeros))
print(pares)  # Saída: [2, 4]

5.5.3 -
zip()

A função

zip()

combina múltiplos iteráveis (listas, tuplas, etc.) em pares. É como fechar o zíper de uma jaqueta , onde os dentes de cada lado se unem.

Python

Copiar

nomes = ["Ana", "Bruno", "Carlos"]
idades = [25, 30, 35]
combinacao = list(zip(nomes, idades))
print(combinacao)  # Saída: [('Ana', 25), ('Bruno', 30), ('Carlos', 35)]

Exercícios

Crie uma função que receba dois números como parâmetros e retorne a soma deles. Em seguida, chame a função com diferentes valores.

Crie uma função que receba uma lista de números e retorne apenas os números pares utilizando a função

filter()

Crie uma função

lambda

que calcule o quadrado de um número e aplique essa função a uma lista de números usando

map()

Crie uma lista com nomes e outra com notas de 5 alunos. Use a função

zip()

para combinar as duas listas e exiba o nome de cada aluno junto com sua respectiva nota.

6 - Trabalhando com Módulos e Pacotes

6.1 - Importando módulos padrão

Módulos são arquivos que contêm definições e implementações de funções, classes e variáveis que você pode reutilizar em diferentes partes do seu código. Python possui muitos módulos padrão que você pode importar para ampliar suas funcionalidades, sem ter que reinventar a roda.

Analogia: Pense nos módulos como ferramentas em uma caixa de ferramentas . Se você precisa de uma chave de fenda, basta abrir a caixa e pegar a ferramenta que já está lá, sem precisar fabricá-la do zero.

6.1.1 - Importando um módulo

Para importar um módulo, usamos a palavra-chave

import

. Por exemplo, o módulo

math

contém funções matemáticas avançadas:

Python

Copiar

import math
print(math.sqrt(16))  # Saída: 4.0

6.1.2 - Importando apenas funções específicas

Você também pode importar apenas uma parte do módulo usando

from ... import ...

Python

Copiar

from math import pi
print(pi)  # Saída: 3.141592653589793

6.1.3 - Renomeando módulos

Você pode usar a palavra-chave

para renomear um módulo ou função para simplificar seu uso.

Python

Copiar

import math as m
print(m.sqrt(25))  # Saída: 5.0

6.2 - Criando seus próprios módulos

Assim como o Python oferece módulos, você também pode criar os seus. Basta criar um arquivo

.py

com funções e variáveis que deseja reutilizar.

6.2.1 - Exemplo de módulo personalizado

Crie um arquivo chamado

meu_modulo.py

com o seguinte conteúdo:

Python

Copiar

def saudacao(nome):
    return f"Olá, {nome}!"

Depois, em outro arquivo Python, você pode importar e usar o módulo:

Python

Copiar

import meu_modulo
print(meu_modulo.saudacao("Maria"))  # Saída: Olá, Maria!

Dica: Mantenha seus módulos organizados em pastas para facilitar a reutilização.

6.3 - Instalação e uso de pacotes externos com pip

Python possui um gerenciador de pacotes chamado

pip

que permite instalar e gerenciar pacotes externos. Pacotes são coleções de módulos organizados para resolver problemas específicos.

6.3.1 - Instalando um pacote com
pip

Para instalar um pacote, basta usar o comando

pip install nome_do_pacote

. Por exemplo, para instalar o pacote

requests

, que permite fazer requisições HTTP, use:

Shell

Copiar

pip install requests

Nota: Certifique-se de que o Python está instalado corretamente e configurado em seu PATH para que o

pip

funcione.

6.3.2 - Usando pacotes instalados

Após a instalação, você pode importar o pacote normalmente:

Python

Copiar

import requests
response = requests.get("<https://api.github.com>")
print(response.status_code)  # Saída: 200

6.4 - Principais bibliotecas do Python para iniciantes

Existem inúmeras bibliotecas em Python que facilitam o desenvolvimento em diferentes áreas. Aqui estão algumas das mais populares para iniciantes:

NumPy: Trabalhando com arrays e operações matemáticas.

Pandas: Manipulação e análise de dados.

Analogia: Imagine que as bibliotecas são como aplicativos em um smartphone . Cada aplicativo (biblioteca) tem funcionalidades específicas que você pode usar para facilitar seu trabalho.

Exercícios

Crie um módulo personalizado chamado

calculadora.py

com funções para somar, subtrair, multiplicar e dividir dois números. Em seguida, importe e use este módulo em outro script.

Instale a biblioteca

requests

e use-a para fazer uma requisição GET à API pública

https://jsonplaceholder.typicode.com/todos/1

. Exiba o título da resposta.

Utilize o módulo

math

para calcular a área de um círculo com raio 7 e exibir o resultado.

Crie um script que utilize a biblioteca

random

para gerar 5 números aleatórios entre 1 e 10 e os exiba.

7 - Manipulação de Arquivos

Python oferece uma série de ferramentas para ler e escrever em arquivos, o que é extremamente útil para armazenar e processar dados. Pense nos arquivos como cadernos onde você pode registrar e consultar informações a qualquer momento.

7.1 - Leitura e escrita de arquivos de texto

A manipulação de arquivos de texto em Python é feita utilizando as funções

open()

read()

write()

, e

close()

7.1.1 - Abrindo um arquivo

Para abrir um arquivo, usamos a função

open()

, que requer o nome do arquivo e o modo de abertura:

'r'

: leitura (read)

'w'

: escrita (write) – cria um novo arquivo ou substitui o existente

'a'

: adicionar (append) – adiciona conteúdo ao final do arquivo existente

Python

Copiar

arquivo = open("exemplo.txt", "w")
arquivo.write("Olá, Python!")
arquivo.close()

7.1.2 - Lendo um arquivo

Para ler o conteúdo de um arquivo, use o método

read()

Python

Copiar

arquivo = open("exemplo.txt", "r")
conteudo = arquivo.read()
print(conteudo)  # Saída: Olá, Python!
arquivo.close()

Dica: Sempre feche o arquivo após manipular, usando

close()

7.1.3 - Usando
with
para manipulação de arquivos

A palavra-chave

with

permite abrir e fechar arquivos de forma automática, tornando o código mais limpo e seguro.

Python

Copiar

with open("exemplo.txt", "r") as arquivo:
    conteudo = arquivo.read()
    print(conteudo)

7.2 - Manipulação de arquivos CSV

Arquivos CSV (Comma-Separated Values) são comumente usados para armazenar dados tabulares. Python possui o módulo

csv

para facilitar a leitura e escrita desses arquivos.

7.2.1 - Lendo um arquivo CSV

Python

Copiar

import csv

with open("dados.csv", "r") as arquivo_csv:
    leitor = csv.reader(arquivo_csv)
    for linha in leitor:
        print(linha)

7.2.2 - Escrevendo em um arquivo CSV

Python

Copiar

import csv

dados = [["Nome", "Idade"], ["Ana", 28], ["Carlos", 35]]

with open("dados.csv", "w", newline="") as arquivo_csv:
    escritor = csv.writer(arquivo_csv)
    escritor.writerows(dados)

Analogia: Pense no CSV como uma planilha de Excel , onde os dados estão organizados em linhas e colunas.

7.3 - Uso da biblioteca JSON

O JSON (JavaScript Object Notation) é um formato de armazenamento de dados muito utilizado para comunicação entre sistemas. Python possui o módulo

json

para manipular esses arquivos.

7.3.1 - Lendo um arquivo JSON

Python

Copiar

import json

with open("dados.json", "r") as arquivo_json:
    dados = json.load(arquivo_json)
    print(dados)

7.3.2 - Escrevendo em um arquivo JSON

Python

Copiar

import json

dados = {"nome": "Ana", "idade": 28, "cidade": "São Paulo"}

with open("dados.json", "w") as arquivo_json:
    json.dump(dados, arquivo_json)

Analogia: O JSON é como uma receita de culinária , onde as informações são armazenadas de forma estruturada e fácil de entender.

7.4 - Trabalhando com arquivos binários

Além de arquivos de texto e CSV, você pode manipular arquivos binários, como imagens, arquivos executáveis, entre outros.

7.4.1 - Lendo um arquivo binário

Python

Copiar

with open("imagem.png", "rb") as arquivo_binario:
    conteudo = arquivo_binario.read()
    print(conteudo)

7.4.2 - Escrevendo em um arquivo binário

Python

Copiar

with open("copia_imagem.png", "wb") as arquivo_binario:
    arquivo_binario.write(conteudo)

Dica: Use o modo

'rb'

para leitura binária e

'wb'

para escrita binária.

Exercícios

Crie um arquivo de texto chamado

meu_arquivo.txt

e escreva seu nome e idade nele. Depois, leia o arquivo e exiba o conteúdo.

Crie um arquivo CSV com os nomes e notas de 5 alunos e, em seguida, leia o arquivo e exiba a média de cada aluno.

Crie um arquivo JSON que armazene informações sobre um produto (nome, preço, quantidade) e leia essas informações do arquivo.

Faça uma cópia de um arquivo de imagem utilizando a manipulação de arquivos binários.

8 - Tratamento de Exceções

O tratamento de exceções é uma parte crucial da programação, pois permite que seu programa lide de forma inteligente com erros que possam ocorrer durante a execução. Em vez de deixar o programa "quebrar", você pode capturar esses erros e tomar ações apropriadas.

Analogia: Imagine que você está dirigindo um carro e, de repente, encontra um buraco na estrada. O tratamento de exceções é como um sistema que permite que você desvie do buraco ao invés de bater nele.

8.1 - Introdução a erros e exceções

Erros em Python podem ser classificados em dois tipos:

Erros de Sintaxe: Erros na forma como o código é escrito, impedindo a execução.

Exceções: Erros que ocorrem durante a execução do código, mesmo que a sintaxe esteja correta (por exemplo, dividir por zero).

Exemplo de uma exceção:

Python

Copiar

numero = int(input("Digite um número: "))
print(10 / numero)  # Se o usuário digitar 0, ocorrerá um erro "ZeroDivisionError"

8.2 - Blocos
try
,
except
,
else
e
finally

8.2.1 - Usando
try
e
except

O bloco

try

permite que você execute um código que pode gerar uma exceção. O bloco

except

captura e lida com a exceção, evitando que o programa seja interrompido.

Python

Copiar

try:
    numero = int(input("Digite um número: "))
    resultado = 10 / numero
    print(resultado)
except ZeroDivisionError:
    print("Erro: Divisão por zero não é permitida.")
except ValueError:
    print("Erro: Você deve digitar um número válido.")

Dica: Use exceções específicas (como

ZeroDivisionError

ValueError

) para capturar diferentes tipos de erros.

8.2.2 - Usando
else

O bloco

else

é executado apenas se nenhuma exceção for gerada no bloco

try

Python

Copiar

try:
    numero = int(input("Digite um número: "))
    resultado = 10 / numero
except ZeroDivisionError:
    print("Erro: Divisão por zero não é permitida.")
else:
    print("Resultado:", resultado)

8.2.3 - Usando
finally

O bloco

finally

é executado independentemente de ocorrer uma exceção ou não. Ele é útil para liberar recursos, como fechar arquivos.

Python

Copiar

try:
    arquivo = open("dados.txt", "r")
    conteudo = arquivo.read()
except FileNotFoundError:
    print("Erro: Arquivo não encontrado.")
finally:
    arquivo.close()
    print("Arquivo fechado.")

8.3 - Criando exceções personalizadas

Python permite que você crie suas próprias exceções, o que é útil para lidar com erros específicos da lógica do seu programa.

8.3.1 - Criando uma exceção personalizada

Para criar uma exceção personalizada, basta criar uma nova classe que herde de

Exception

Python

Copiar

class ErroPersonalizado(Exception):
    pass

def verificar_idade(idade):
    if idade < 18:
        raise ErroPersonalizado("Idade menor que 18 não é permitida!")
    else:
        print("Acesso permitido.")

try:
    verificar_idade(16)
except ErroPersonalizado as e:
    print(e)  # Saída: Idade menor que 18 não é permitida!

Analogia: É como criar uma placa de aviso que só faz sentido em um contexto específico, por exemplo, "Proibido entrar sem capacete".

Exercícios

Crie um programa que solicite ao usuário dois números e tente dividir o primeiro pelo segundo. Use

try

except

para capturar uma possível divisão por zero e exiba uma mensagem apropriada.

Crie uma função que solicite ao usuário um número inteiro. Se o valor fornecido não for um número, capture a exceção e exiba uma mensagem de erro.

Crie um arquivo de texto e leia seu conteúdo. Use

try

except

finally

para garantir que o arquivo seja fechado, mesmo que ocorra um erro.

Crie uma exceção personalizada que verifique se um nome tem pelo menos 5 caracteres. Se não tiver, lance a exceção e trate o erro.

9 - Programação Orientada a Objetos (POO)

A Programação Orientada a Objetos (POO) é um dos paradigmas mais poderosos e utilizados na programação. Ela permite estruturar seu código de forma que ele seja mais modular, reutilizável e fácil de manter. Em vez de pensar em termos de funções e procedimentos, você passa a pensar em objetos que possuem características e comportamentos.

Analogia: Imagine um carro . Um carro tem características (cor, modelo, ano) e comportamentos (acelerar, frear, buzinar). Em POO, o carro seria um objeto e suas características e comportamentos seriam os atributos e métodos desse objeto.

9.1 - O que é POO e por que usar?

POO permite representar conceitos do mundo real em código, facilitando a modelagem de problemas complexos. Ela é baseada em quatro pilares fundamentais:

Abstração: Focar nos detalhes essenciais de um objeto e ignorar os detalhes irrelevantes.

Encapsulamento: Proteger os dados do objeto, permitindo acesso apenas por métodos específicos.

Herança: Reutilizar código definindo uma hierarquia entre classes.

Polimorfismo: Capacidade de um método se comportar de diferentes formas, dependendo do objeto que o utiliza.

9.2 - Classes e objetos

Uma classe é um "molde" que define as características e comportamentos de um objeto. Um objeto é uma instância dessa classe.

9.2.1 - Criando uma classe

Python

Copiar

class Carro:
    def __init__(self, marca, modelo, ano):
        self.marca = marca  # Atributo
        self.modelo = modelo  # Atributo
        self.ano = ano  # Atributo

    def descrever(self):
        return f"{self.marca} {self.modelo}, {self.ano}"

9.2.2 - Criando um objeto

Python

Copiar

meu_carro = Carro("Toyota", "Corolla", 2020)
print(meu_carro.descrever())  # Saída: Toyota Corolla, 2020

9.3 - Atributos e métodos

Atributos: São as características do objeto (variáveis).

Métodos: São as ações ou comportamentos do objeto (funções dentro da classe).

9.3.1 - Atributos de instância

Os atributos de instância são definidos dentro do método

__init__

e são exclusivos de cada objeto.

Python

Copiar

class Pessoa:
    def __init__(self, nome, idade):
        self.nome = nome
        self.idade = idade

p1 = Pessoa("Maria", 30)
p2 = Pessoa("João", 25)

9.3.2 - Métodos de instância

Métodos são funções que pertencem à classe e podem acessar os atributos do objeto usando

self

Python

Copiar

class Pessoa:
    def __init__(self, nome):
        self.nome = nome

    def cumprimentar(self):
        return f"Olá, meu nome é {self.nome}"

p = Pessoa("Ana")
print(p.cumprimentar())  # Saída: Olá, meu nome é Ana

9.4 - Encapsulamento, herança e polimorfismo

9.4.1 - Encapsulamento

O encapsulamento permite proteger os atributos e métodos de um objeto, controlando o acesso a eles. Em Python, usamos

(underscore) para indicar que um atributo ou método é "privado".

Python

Copiar

class ContaBancaria:
    def __init__(self, saldo):
        self._saldo = saldo  # Atributo "privado"

    def mostrar_saldo(self):
        return f"Seu saldo é {self._saldo}"

conta = ContaBancaria(1000)
print(conta.mostrar_saldo())  # Saída: Seu saldo é 1000

9.4.2 - Herança

A herança permite que uma classe (classe filha) herde atributos e métodos de outra classe (classe pai).

Python

Copiar

class Animal:
    def __init__(self, nome):
        self.nome = nome

    def falar(self):
        pass

class Cachorro(Animal):
    def falar(self):
        return "Au Au"

c = Cachorro("Rex")
print(c.falar())  # Saída: Au Au

9.4.3 - Polimorfismo

O polimorfismo permite que um método tenha comportamentos diferentes dependendo do objeto que o utiliza.

Python

Copiar

class Gato(Animal):
    def falar(self):
        return "Miau"

animais = [Cachorro("Rex"), Gato("Mimi")]

for animal in animais:
    print(f"{animal.nome} diz: {animal.falar()}")

9.5 - Métodos especiais (construtor, destrutor, etc.)

Métodos especiais são aqueles que possuem uma função especial e geralmente começam e terminam com

9.5.1 -
init
: Construtor

É o método chamado quando um objeto é criado.

Python

Copiar

class Livro:
    def __init__(self, titulo, autor):
        self.titulo = titulo
        self.autor = autor

9.5.2 -
str
: Representação em string

Define como o objeto deve ser exibido ao usar

print()

Python

Copiar

class Livro:
    def __init__(self, titulo, autor):
        self.titulo = titulo
        self.autor = autor

    def __str__(self):
        return f"{self.titulo} por {self.autor}"

livro = Livro("1984", "George Orwell")
print(livro)  # Saída: 1984 por George Orwell

9.5.3 -
del
: Destrutor

É chamado quando o objeto é destruído ou quando o programa termina.

Python

Copiar

class Livro:
    def __del__(self):
        print("Objeto Livro foi destruído")

livro = Livro()
del livro  # Saída: Objeto Livro foi destruído

Exercícios

Crie uma classe

Livro

com atributos

título

autor

, e um método

descrever()

que retorna uma string com o título e autor do livro.

Crie uma classe

Veículo

com um método

mover()

. Em seguida, crie as classes

Carro

Bicicleta

que herdam de

Veículo

e sobrecarregam o método

mover()

com comportamentos específicos para cada veículo.

Crie um sistema bancário onde você tenha a classe

Conta

com métodos para

depositar

sacar

exibir saldo

. Garanta que o saldo não possa ser acessado diretamente de fora da classe.

Crie uma exceção personalizada chamada

SaldoInsuficienteException

que deve ser lançada quando um saque é feito em uma conta com saldo insuficiente.

10 - Biblioteca Numpy (manipulação de arrays)

O NumPy (Numerical Python) é uma das bibliotecas mais populares e fundamentais para a computação científica em Python. Ele fornece suporte para a manipulação eficiente de grandes vetores, matrizes e arrays multidimensionais, além de oferecer funções matemáticas de alto desempenho.

Analogia: Pense no NumPy como uma calculadora científica superpotente que pode manipular grandes volumes de números de forma rápida e eficiente.

10.1 - Introdução ao NumPy

Para usar a biblioteca NumPy, primeiro precisamos instalá-la (caso ainda não esteja instalada):

Shell

Copiar

pip install numpy

Depois, é comum importar o NumPy utilizando a convenção

import numpy as np

Python

Copiar

import numpy as np

10.2 - Criando arrays

A estrutura de dados mais importante do NumPy é o array. Um array é uma coleção ordenada de elementos que podem ser acessados por índices, semelhante a listas, mas com capacidades e desempenho superiores.

10.2.1 - Criando um array a partir de uma lista

Python

Copiar

import numpy as np

lista = [1, 2, 3, 4, 5]
array = np.array(lista)
print(array)  # Saída: [1 2 3 4 5]

10.2.2 - Criando arrays multidimensionais

Podemos criar arrays de várias dimensões, como matrizes.

Python

Copiar

matriz = np.array([[1, 2, 3], [4, 5, 6]])
print(matriz)
# Saída:
# [[1 2 3]
#  [4 5 6]]

10.3 - Principais funções e operações do NumPy

10.3.1 - Funções de inicialização

O NumPy possui várias funções para criar arrays rapidamente:

np.zeros((linhas, colunas))

: Cria um array de zeros.

np.ones((linhas, colunas))

: Cria um array de uns.

np.eye(n)

: Cria uma matriz identidade.

np.arange(início, fim, passo)

: Cria um array com valores em um intervalo.

Python

Copiar

zeros = np.zeros((2, 3))
print(zeros)
# Saída:
# [[0. 0. 0.]
#  [0. 0. 0.]]

10.3.2 - Operações aritméticas

Podemos realizar operações aritméticas diretamente nos arrays, e o NumPy aplica as operações a todos os elementos:

Python

Copiar

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

soma = array1 + array2
print(soma)  # Saída: [5 7 9]

multiplicacao = array1 * 2
print(multiplicacao)  # Saída: [2 4 6]

10.3.3 - Indexação e fatiamento

Você pode acessar e modificar elementos de um array de forma semelhante às listas.

Python

Copiar

array = np.array([10, 20, 30, 40])
print(array[1])  # Saída: 20

matriz = np.array([[1, 2, 3], [4, 5, 6]])
print(matriz[1, 2])  # Saída: 6

10.3.4 - Funções estatísticas

NumPy oferece funções úteis para estatísticas e análise de dados:

np.mean(array)

: Média dos elementos.

np.sum(array)

: Soma dos elementos.

np.max(array)

: Maior valor.

np.min(array)

: Menor valor.

np.std(array)

: Desvio padrão.

Python

Copiar

array = np.array([1, 2, 3, 4, 5])
print(np.mean(array))  # Saída: 3.0

10.4 - Operações com matrizes

NumPy facilita a manipulação e operação com matrizes, como a multiplicação de matrizes.

Python

Copiar

matriz1 = np.array([[1, 2], [3, 4]])
matriz2 = np.array([[5, 6], [7, 8]])

resultado = np.dot(matriz1, matriz2)
print(resultado)
# Saída:
# [[19 22]
#  [43 50]]

Dica:

np.dot()

realiza a multiplicação de matrizes e produtos escalares.

Exercícios

Crie um array com os números de 1 a 10 e encontre a média, soma e desvio padrão desses números.

Crie uma matriz 3x3 com valores de 1 a 9 e exiba o elemento da segunda linha e terceira coluna.

Crie um array de zeros com 5 elementos e, em seguida, substitua o terceiro elemento por 10.

Crie duas matrizes 2x2 e faça a multiplicação entre elas.

11 - Biblioteca Pandas (análise de dados)

O Pandas é uma biblioteca fundamental para a análise de dados em Python. Ele oferece estruturas de dados rápidas e flexíveis que permitem manipular, limpar e analisar grandes volumes de dados de forma eficiente.

Analogia: Pense no Pandas como uma superplanilha do Excel , mas com o poder e a flexibilidade da programação para realizar operações complexas.

11.1 - Introdução ao Pandas

Para começar a usar o Pandas, você precisa instalá-lo (caso ainda não o tenha):

Shell

Copiar

pip install pandas

Em seguida, importe a biblioteca, utilizando a convenção

import pandas as pd

Python

Copiar

import pandas as pd

11.2 - Estruturas de dados principais do Pandas

As duas principais estruturas de dados oferecidas pelo Pandas são:

Series: Uma estrutura de dados unidimensional, semelhante a uma lista ou coluna de uma planilha.

DataFrame: Uma estrutura de dados bidimensional que se assemelha a uma tabela, com linhas e colunas.

11.2.1 - Criando uma
Series

Você pode criar uma

Series

a partir de uma lista ou dicionário:

Python

Copiar

import pandas as pd

# Criando uma Series a partir de uma lista
lista = [10, 20, 30, 40]
serie = pd.Series(lista)
print(serie)

11.2.2 - Criando um
DataFrame

DataFrame

é a estrutura de dados mais poderosa do Pandas. Você pode criá-lo a partir de listas, dicionários, ou até mesmo de arquivos como CSV e Excel.

Python

Copiar

# Criando um DataFrame a partir de um dicionário
dados = {
    "Nome": ["Ana", "João", "Maria"],
    "Idade": [28, 34, 29],
    "Cidade": ["São Paulo", "Rio de Janeiro", "Curitiba"]
}

df = pd.DataFrame(dados)
print(df)

11.3 - Manipulação de dados com Pandas

Uma das grandes vantagens do Pandas é a facilidade com que você pode manipular dados. Vamos explorar algumas operações comuns.

11.3.1 - Selecionando colunas e linhas

Para selecionar uma coluna, use

df['NomeColuna']

Python

Copiar

print(df["Nome"])

Para selecionar linhas, use

iloc

(baseado em índices) ou

loc

(baseado em rótulos):

Python

Copiar

# Selecionando a primeira linha
print(df.iloc[0])

# Selecionando linhas onde a idade é maior que 30
print(df[df["Idade"] > 30])

11.3.2 - Adicionando e removendo colunas

Você pode adicionar uma nova coluna ao DataFrame de forma simples:

Python

Copiar

df["Profissão"] = ["Engenheira", "Médico", "Designer"]
print(df)

Para remover uma coluna, use

drop

Python

Copiar

df = df.drop(columns=["Cidade"])
print(df)

11.4 - Operações de agrupamento e agregação

O Pandas facilita a análise de dados agrupando e agregando informações, o que é útil para criar relatórios e estatísticas.

Python

Copiar

# Criando um novo DataFrame
dados_vendas = {
    "Vendedor": ["Ana", "Ana", "João", "Maria", "Maria"],
    "Vendas": [200, 150, 300, 400, 350]
}
df_vendas = pd.DataFrame(dados_vendas)

# Agrupando por Vendedor e somando as Vendas
agrupado = df_vendas.groupby("Vendedor").sum()
print(agrupado)

11.5 - Leitura e escrita de arquivos

O Pandas facilita a leitura e escrita de arquivos em diferentes formatos, como CSV, Excel, JSON, entre outros.

11.5.1 - Lendo arquivos CSV

Python

Copiar

df_csv = pd.read_csv("arquivo.csv")
print(df_csv.head())

11.5.2 - Escrevendo arquivos CSV

Python

Copiar

df.to_csv("saida.csv", index=False)

Exercícios

Crie um DataFrame com informações sobre cinco produtos (nome, preço e quantidade em estoque) e exiba o produto com o maior preço.

Adicione uma nova coluna ao DataFrame do exercício anterior com o valor total em estoque (preço * quantidade).

Leia um arquivo CSV com informações sobre vendas (vendedor, produto, valor da venda) e exiba o total de vendas por vendedor.

Crie um DataFrame com as notas de três alunos em três disciplinas diferentes. Calcule a média de cada aluno e adicione uma nova coluna com o resultado.

12 - Biblioteca Matplotlib (visualização de dados)

O Matplotlib é uma biblioteca poderosa para a visualização de dados em Python. Ele permite criar uma ampla variedade de gráficos e visualizações, desde os mais simples até os mais complexos, tornando-se uma ferramenta essencial para cientistas de dados, analistas e programadores que desejam comunicar informações de forma visual.

Analogia: Pense no Matplotlib como uma caixa de lápis de cor que permite transformar seus dados em desenhos e gráficos, tornando-os muito mais compreensíveis.

12.1 - Introdução ao Matplotlib

Para começar a usar o Matplotlib, você precisa instalá-lo (caso ainda não tenha):

Shell

Copiar

pip install matplotlib

Depois, é comum importar a biblioteca usando a convenção

import matplotlib.pyplot as plt

Python

Copiar

import matplotlib.pyplot as plt

12.2 - Criando gráficos básicos

12.2.1 - Gráfico de linhas

O gráfico de linhas é ideal para mostrar tendências ao longo do tempo. Vamos criar um gráfico simples com o Matplotlib.

Python

Copiar

import matplotlib.pyplot as plt

# Dados
anos = [2015, 2016, 2017, 2018, 2019, 2020]
vendas = [100, 120, 150, 170, 160, 180]

# Criando o gráfico de linhas
plt.plot(anos, vendas, label='Vendas', color='blue', marker='o')
plt.title("Vendas ao longo dos anos")
plt.xlabel("Ano")
plt.ylabel("Vendas (milhares)")
plt.legend()
plt.show()

12.2.2 - Gráfico de barras

O gráfico de barras é ideal para comparar valores entre diferentes categorias.

Python

Copiar

categorias = ["A", "B", "C", "D"]
valores = [23, 45, 56, 78]

plt.bar(categorias, valores, color='green')
plt.title("Valores por Categoria")
plt.xlabel("Categoria")
plt.ylabel("Valor")
plt.show()

12.2.3 - Gráfico de pizza

O gráfico de pizza é útil para mostrar proporções de um todo.

Python

Copiar

fatias = [15, 30, 45, 10]
rotulos = ["Categoria 1", "Categoria 2", "Categoria 3", "Categoria 4"]

plt.pie(fatias, labels=rotulos, autopct="%1.1f%%", startangle=90)
plt.title("Distribuição por Categoria")
plt.axis("equal")  # Assegura que o gráfico seja um círculo
plt.show()

12.3 - Personalizando gráficos

Uma das maiores vantagens do Matplotlib é a capacidade de personalizar os gráficos para que eles se ajustem perfeitamente às suas necessidades.

12.3.1 - Alterando cores e estilos

Você pode alterar as cores e estilos das linhas, barras e outros elementos do gráfico.

Python

Copiar

plt.plot(anos, vendas, color='red', linestyle='--', linewidth=2, marker='s')
plt.title("Gráfico de Linhas Personalizado")
plt.xlabel("Ano")
plt.ylabel("Vendas")
plt.show()

12.3.2 - Adicionando múltiplas séries de dados

Você pode adicionar várias séries de dados em um único gráfico para comparações.

Python

Copiar

# Dados
vendas_produto_A = [100, 120, 130, 145, 160, 180]
vendas_produto_B = [90, 110, 140, 150, 155, 170]

# Gráfico
plt.plot(anos, vendas_produto_A, label='Produto A', marker='o')
plt.plot(anos, vendas_produto_B, label='Produto B', marker='x')
plt.title("Comparação de Vendas entre Produtos A e B")
plt.xlabel("Ano")
plt.ylabel("Vendas")
plt.legend()
plt.show()

12.4 - Salvando gráficos

Você pode salvar os gráficos em diferentes formatos de imagem, como PNG, JPG, SVG, etc.

Python

Copiar

plt.plot(anos, vendas, label='Vendas', marker='o')
plt.title("Vendas ao longo dos anos")
plt.xlabel("Ano")
plt.ylabel("Vendas (milhares)")
plt.legend()
plt.savefig("grafico_vendas.png")  # Salva o gráfico como PNG
plt.show()

Exercícios

Crie um gráfico de barras que mostre a quantidade de vendas de 5 produtos diferentes.

Crie um gráfico de linhas para comparar as temperaturas médias de duas cidades ao longo de um ano (12 meses).

Crie um gráfico de pizza que represente a distribuição de tipos de frutas em um cesto: 40% maçãs, 25% bananas, 20% laranjas e 15% uvas.

Personalize um gráfico de linhas com cores, estilos e marcadores diferentes para representar as vendas de dois produtos ao longo de 6 anos.

13 - Biblioteca Requests (requisições HTTP)

A Requests é uma biblioteca popular em Python que permite fazer requisições HTTP de forma simples e eficiente. Ela é amplamente utilizada para interagir com APIs, baixar conteúdo da web e realizar operações de web scraping.

Analogia: Imagine que a Requests é como um garçom que vai até a "cozinha da internet" para trazer os dados que você pediu.

13.1 - Introdução ao Requests

Para usar a biblioteca Requests, primeiro instale-a (caso ainda não tenha feito):

Shell

Copiar

pip install requests

Em seguida, importe-a no seu código:

Python

Copiar

import requests

13.2 - Fazendo requisições HTTP

13.2.1 - Requisição GET

A requisição GET é usada para obter dados de uma URL. É a forma mais comum de requisição HTTP.

Python

Copiar

import requests

# Fazendo uma requisição GET
response = requests.get("<https://jsonplaceholder.typicode.com/todos/1>")

# Verificando o status da requisição
print(response.status_code)  # Saída: 200 (OK)

# Acessando o conteúdo da resposta
print(response.json())

13.2.2 - Requisição POST

A requisição POST é usada para enviar dados para um servidor.

Python

Copiar

url = "<https://jsonplaceholder.typicode.com/posts>"
dados = {
    "title": "Aprendendo Requests",
    "body": "A biblioteca Requests é muito útil!",
    "userId": 1
}

response = requests.post(url, json=dados)
print(response.status_code)  # Saída: 201 (Created)
print(response.json())

13.3 - Principais métodos HTTP

Além de

GET

POST

, Requests também suporta outros métodos HTTP, como:

PUT: Usado para atualizar dados em um servidor.

DELETE: Usado para excluir dados em um servidor.

Python

Copiar

# Exemplo de requisição PUT
response_put = requests.put("<https://jsonplaceholder.typicode.com/posts/1>", json={"title": "Novo título"})
print(response_put.status_code)

# Exemplo de requisição DELETE
response_delete = requests.delete("<https://jsonplaceholder.typicode.com/posts/1>")
print(response_delete.status_code)

13.4 - Trabalhando com parâmetros e cabeçalhos

Você pode passar parâmetros e cabeçalhos nas requisições para obter resultados específicos ou enviar informações adicionais.

13.4.1 - Passando parâmetros em uma requisição GET

Python

Copiar

params = {"userId": 1}
response = requests.get("<https://jsonplaceholder.typicode.com/posts>", params=params)
print(response.json())

13.4.2 - Passando cabeçalhos em uma requisição

Python

Copiar

headers = {"Authorization": "Bearer seu_token"}
response = requests.get("<https://api.exemplo.com/dados>", headers=headers)
print(response.status_code)

13.5 - Tratamento de erros e exceções

É importante sempre verificar o status da resposta e tratar possíveis erros.

Python

Copiar

try:
    response = requests.get("<https://jsonplaceholder.typicode.com/todos/1>")
    response.raise_for_status()  # Levanta uma exceção para códigos de status de erro
    dados = response.json()
    print(dados)
except requests.exceptions.HTTPError as err:
    print(f"Erro HTTP: {err}")
except requests.exceptions.RequestException as err:
    print(f"Erro na requisição: {err}")

Dica: Use

response.raise_for_status()

para capturar erros de forma eficiente.

Exercícios

Faça uma requisição GET para a URL

https://jsonplaceholder.typicode.com/users

e exiba o nome e o email de cada usuário.

Faça uma requisição POST para

https://jsonplaceholder.typicode.com/posts

com os dados de um novo post (título, corpo e ID do usuário) e exiba a resposta.

Atualize um recurso existente na URL

https://jsonplaceholder.typicode.com/posts/1

usando uma requisição PUT, alterando o título e o corpo do post.

Faça uma requisição DELETE para excluir o recurso com ID 1 da URL

https://jsonplaceholder.typicode.com/posts/1

e verifique se a operação foi bem-sucedida.