Curso Básico de Python 3.8

Descrição

Este curso nasceu como uma iniciativa voluntária de um grupo de mestrandos, doutorandos e pesquisadores de diferentes áreas do Laboratório Nacional de Biorrenováveis (LNBR -CNPEM) para aplicar a linguagem Python 3.8 nas diferentes áreas de atuação, as quais incluem automatização de processos, análise de dados, modelagem de sistemas industriais e biológicos, otimização, dentre outros.

---

Objetivos

• Apresentar os conceitos básicos da linguagem Python 3.8, assim como sua utilização, características, limitações e vantagens. Os conceitos básicos incluem: ambientes de desenvolvimento, tipos de dados, containers nativos e não nativos e suas propriedades, operadores de relação, operadores aritméticos, operadores lógicos, loops, funções (criadas com def), funções anônimas, funções built-in, performance, entre outros aspectos;

• Apresentar as bibliotecas mais utilizadas no ecossistema Python. Sua utilização, propriedades, vantagens em relação a objetos nativos e performance;

• Aplicar os conceitos da linguagen nas atividades desenvolvidas nas diferentes áreas de atuação do grupo.

---

Conteúdo

1. Introdução

   • IDEs mais usadas para Python;
     • Pycharme
     • Vscode
     • Jupyter notebook
     • Spyder
   • Características da linguagem Python;
   • Variáveis
   • Tipos de dados
   • Utilitários em Python

2. Contêineres nativos e não nativos

   • Contêineres nativos
     • lists
     • tuples
     • dict
     • set
   • High-performance container
   • Indexação e fatiamento
     • Index
     • Fatiamento
   • Métodos aplicados a collections
     • lists
     • tuples
     • dict
     • set
     • String
   • Manipulação de Strings

3. Operadores e ciclos

   • Operadores aritméticos e relacionais
   • Condicionais
   • Ciclos de repetição

4. Operadores lógicos e formatação de strings

   • Formatação de string
     • Método 1. Utilizando operador %
     • Método 2. Utilizando .format()
     • Método 3. Utilizando f""
   • Operadores lógicos (and, or, not)

5. Funções

   • Definição de funções
   • Criando uma função
   • Funções sem retorno com retorno único, e múltiplo retorno
   • Escopo no interior de uma função

6. Funções continuação

   • Parâmetros de entrada
   • Parâmetros nomeados
   • Default parameters
   • *args
   • **kwargs

7. Funções continuação

   • Ordem certa no momento de definir os parâmetros de uma função
   • Nested function (funções dentro de funções)
   • Exemplo completo

8. lambda e built-in functions

   • Lambda functions
   • Built-in functions ou funções integradas
     • map()
     • filter()
     • sorted()

9. Comprehension e módulos

   • Definição de comprehension
   • Comprehension em Python
     • List comprehension
     • Dict comprehension
     • set comprehension
     • generator comprehension
   • Módulos
   • Pacotes ou Bibliotecas (Packages or Libraries)
   • Instalação de pacotes

10. Comparação de performance. Julia vs Python

11. NumPy

    • List vs Numpy
    • Indexação e fatiamento Numpy
    • Arrays fila e arrays coluna
    • Eliminando elementos, função delete
    • Adicionando elementos insert e append
    • Operações algebraicas com arrays (+, -, \*, /, //, %)
    • Cannivete NumPy
      • arange
      • linspace
      • ones, zeros e eye
      • Shape
      • Size
      • dimensão
      • reshape
      • asarray
      • where
    • Carregando dados com Numpy

12. Pandas

    • Instalação de pandas
    • Importando pandas
    • Series
    • DataFrame e manipulação
      • Criação de DataFrame
      • Extraindo informação por colunas
      • Extraindo utilizando função loc()
      • Extraindo utilizando função iloc()
      • Adicionando novas colunas;
      • Adicionando novas filas (função append());
      • Eliminando colunas ou filas.
    • Operadores de comparação e seleção condicional;
    • Dados ausentes;
      • dropna
      • filna
      • replace
    • groupby, aggregate e apply
    • Juntando diffenrentes DataFrame
      • concat
      • merge
      • join
    • Operações
      • unique
      • nunique
      • value_counts
      • del
      • columns
      • index
      • sort_values
      • pivot
    • Importando e exportando dados.
      • csv
      • excell
      • html

13. Matplotlib

    • Instalação é importação da biblioteca
    • Histogramas
    • Chart plot
    • Gráficos de dispersão
    • Comandos básicos para plotar gráficos de dependência
    • Multiplos gráficos na mesma figura
    • Plotando vários eixos
    • Arrays gráficos
      • Método 1
      • Método 2. Usando Subplots
    • Gráficos com múltiplos eixos verticais
    • Salvando figuras
    • Gráficos interativos

14. Interactividade com Python (Em desenvolvimento)

    • Comandos mágicos em Jupyter-notebook
    • Aspectos básicos de interatividade com ipwidgets
      • Instalando a biblioteca
      • Importando a biblioteca
      • Método interact
      • Método interactive
      • Atualização continua desativada
    • Explorando arquivos usando interactividade
    • Analisando dados de um DataFrame Pandas
    • Interatividade em gráficos
      • Matplotlib
      • Pyplot
      • Figuras 3D

---

Ambiente de desenvolvimentos

Para o funcionamento adequado se recomenda a instalação do Ecossistema Anaconda ou um ambiente virtual com:

• Python 3.7 ou superior
• JupyterNotebook ou JupyterLab
• Numpy
• Pandas
• Matplotlib

---

Meta

Fernan D. Martinez

fernanmaji@gmail.com

fernanmartinez.j@gmail.com

LinkTree

GitHub