Esta trilha foi construída com base em livros amplamente utilizados no ensino de Python, algoritmos e análise de dados. Eles servem como referência para a organização dos conteúdos, exemplos e exercícios presentes neste repositório.
 Introdução à Programação com Python (4ª edição) |
 Estruturas de Dados e Algoritmos com Python |
 Python para Análise de Dados (3ª edição) |
As referências são utilizadas para apoiar a elaboração do material didático. Os direitos autorais das obras pertencem aos respectivos autores e editoras.
A trilha de python é para quem nunca programou e quer aprender Python com foco em dados, análise, limpeza e transformação com pandas.
Cada módulo tem teoria, exemplos práticos e exercícios no estilo LeetCode para treinar escrita de código de verdade.
- Analistas e engenheiras de dados que ainda não programam
- Profissionais que vieram do Excel/BI e querem migrar para código
- Qualquer pessoa que quer aprender Python com foco em dados desde o zero
| Módulo | Conteúdo |
|---|---|
| 01 - Primeiros passos | Python, VS Code, variáveis, tipos, print |
| 02 - Lógica e estruturas | Condicionais, listas, dicionários, loops, funções |
| 03 - Arquivos e dados | CSV, JSON, try/except, Jupyter Notebook |
| 04 - Pandas na prática | DataFrame, carregar CSV, explorar, filtrar, tratar nulos |
| 05 - Limpeza de dados | Tipos, duplicatas, colunas novas, apply |
| 06 - Análise exploratória | groupby, estatísticas, ordenar, exportar |
| 07 - Visualização | Matplotlib, gráficos, cores, títulos |
| Projeto final | Dataset a definir para explorar, limpar, analisar, visualizar |
python-para-dados/
├── modulo-01-primeiros-passos/
├── modulo-02-logica-e-estruturas/
│ ├── 01_condicionais.py
│ ├── 02_listas.py
│ ├── 03_dicionarios.py
│ ├── 04_loops.py
│ ├── 05_funcoes.py
│ └── gabarito.py
├── modulo-03-arquivos-e-dados/
├── modulo-04-pandas/
├── modulo-05-limpeza/
├── modulo-06-eda/
├── modulo-07-visualizacao/
├── projeto-final/
└── README.md
Cada arquivo .py tem exercícios organizados em três níveis:
Nível 1 - Básico Conceitos fundamentais. Resolve antes de avançar.
Nível 2 - Intermediário Combinação de conceitos. Exige raciocínio lógico.
Nível 3 - Desafio Funções com assinatura definida, entrada e saída esperada. Treina escrita de código.
💡 Tente resolver cada exercício antes de consultar o
gabarito.py.
Baixe em: python.org/downloads
Verifique a instalação:
python --versionBaixe em: code.visualstudio.com
Instale a extensão Python dentro do VS Code.
# Fork pelo GitHub, depois:
git clone https://github.com/SEU_USUARIO/python-para-dados.git
cd python-para-dadospython -m venv venv
source venv/bin/activate # Mac/Linux
venv\Scripts\activate # WindowsAbra modulo-01-primeiros-passos/ e siga a ordem dos arquivos.
Os exercícios de Nível 3 seguem o formato do LeetCode:
def nome_da_funcao(parametro: tipo) -> tipo_retorno:
# SUA SOLUÇÃO AQUI
pass
# Casos de teste já fornecidos
print(nome_da_funcao(entrada)) # saída esperadaVocê escreve a solução dentro da função e roda o arquivo para ver se os resultados batem.
Os exercícios do Módulo 02 já usam dados do contexto da VoughtGuard:
- Exercício de condicionais → classificar risco de transação
- Exercício de listas → analisar transações em lote
- Exercício de dicionários → perfil de fraude por país
- Exercício de loops → validar status de transações
- Exercício de funções → pipeline de limpeza de dados
No Projeto Final, você vai aplicar tudo isso no dataset real com 10.000 transações.
Esta trilha é open source. PRs são bem-vindos.
Antes de contribuir, leia o CONTRIBUTING.md.
Tipos de contribuição aceitos:
- Novos exercícios com contexto de dados
- Correções no gabarito
- Melhorias na documentação
- Tradução de enunciados
→ 🌟 Comece pela trilha-01-fundamentos
⭐⭐⭐⭐ Starlight Git Project · open source · feito para profissionais de dados
💜 Se esta trilha te ajudou, deixa uma estrela no repositório.