• (31) 99973-2709
  • hugomoraismendes@gmail.com

Arquivos por mês 13/09/2020

Python – Trabalhando com Listas, Tuplas e Dicionários

Listas

# Criando outra lista
lista_mercado = ["ovos", "farinha", "leite", "maças"]
# Imprimindo a lista
print(lista_mercado)
# Atualizando um item da lista
lista_mercado[2] = "chocolate"
# Deletando um item específico da lista
del lista_mercado[3]

# Criando uma lista de listas
listas = [[1,2,3], [10,15,14], [10.1,8.7,2.3]]

#Concatenando Listas
lista_s1 = [34, 32, 56]
lista_s2 = [21, 90, 51]

lista_total = lista_s1 + lista_s2

# Verificando se o valor 100 pertence a lista
print(90 in listas)
# Função len() retorna o comprimento da lista
len(listas)
# Função max() retorna o valor máximo da lista
max(listas)
# Função min() retorna o valor mínimo da lista
min(listas)

# Adicionando um item à lista
listas.append("100")

listas.count("carne") 

Python – Trabalhando com Strings

Indexação

s = 'Uma frase qualquer'

# Primeiro elemento da string. 
s[0]
# resultado = U

# Retorna todos os elementos da string, começando pela posição informada até o fim da string.
s[1:]
# resultado = ma frase qualquer

# Retorna tudo até a posição 3
s[:3]
# resultado = Uma

# A indexação negativa ler de trás para frente.
s[-1]
# resultado = r

# Retornar tudo, exceto a última letra
s[:-1]
# resultado = Uma frase qualque

# Ao usar a notação de índice e fatiar a string em pedaços específicos (o padrão é 1). 
# Por exemplo, podemos usar dois pontos duas vezes em uma linha e, em seguida, 
# um número que especifica a frequência para retornar elementos.

s[::1]
# resultado = Uma frase qualquer

s[::2]
# resultado = Uafaeqaqe

s[::-1]
# resultado = reuqlauq esarf amU 

Propriedades de Strings

# Usar o símbolo de multiplicação para criar repetição!
letra = 'h'

letra * 3
# resultado = hhh 

Funções Bult-in de Strings

# Upper Case 
s.upper()

# Lower case
s.lower()

# Dividir uma string por espaços em branco (padrão)
s.split()

# Dividir uma string por um elemento específico
s.split('y') 

Funções de Strings

s = 'seja bem vindo ao python'

s.capitalize()
# resultado = Seja bem vindo ao python

s.count('a')
# resultado = 2

s.find('p')
# resultado = 18

s.center(50, 'z')
# resultado = zzzseja bem vindo ao pythonzzz

# Verifica se o texto é alfanumerico
s.isalnum()
# resultado = false

# Verificar se todos os caracteres são alfanumerico
s.isalpha()
# resultado = false (devido ao espaço)

s.islower()
# resultado = true

# Verificar se todos os caracteres são espaços
s.isspace()
# resultado = false

# verifica se termina com a letra informada
s.endswith('o')
# resultado = false

# Procura pela palavra informada e retorna uma tupla com três elementos
s.partition('vindo')
# resultado = ('seja bem ', 'vindo', ' ao python') 

Python – Trabalhando com Variáveis

Declaração Múltipla

pessoa1, pessoa2, pessoa3 = "Hugo1", "Hugo2", "Hugo3"
pessoa1
#resultado = Hugo1
pessoa2
#resultado = Hugo2
pessoa3
#resultado = Hugo3

fruta1 = fruta2 = fruta3 = "Laranja"
fruta1
#resultado = Laranja
fruta2
#resultado = Laranja 

Ordem dos operadores

largura = 2
ltura = 4
perimetro = 2 * largura + 2 * altura
#resultado = 12

perimetro = 2 * (largura + 2)  * altura
#resultado = 32 

Concatenação

nome = "Hugo"
sobrenome = "Mendes"

nome_completo = nome + " " sobrenome
#resultado = Hugo Mendes 

Python – Trabalhando com Funções

Versão do Python

from platform import python_version
print('Versão do Python:', python_version())
#resultado = Versão do Python: 3.6.9 

Tipo da váriavel

variavel = 2
type(variavel)
#resultado = int

variavel = 'texto'
type(variavel)
#resultado = str

variavel = 1.89
type(variavel)
#resultado = float 

Python – Trabalhando com Números

Potência

4 ** 2
#ou
pow(4,2)
#resultado = 16 

Módulo

10 % 3
#resultado = 1 

Divisão

3 / 2
#resultado = 1.5 (float)
3 // 2
#resultado = 1 (inteiro) 

Absoluto

abs(-8)
#resultado = 8 

Arredondamento

round(3.14151922,2)
#resultado = 3.14 

Hexadecimal

hex(217)
#resultado = '0xd9' 

Binário

bin(286)
#resultado = '0b100011110' 

Google Colaboratory

O que é o Colaboratory

O Colaboratory ou “Colab” permite escrever código Python no seu navegador, com:

  • Nenhuma configuração necessária;
  • Acesso gratuito a GPUs; e
  • Compartilhamento fácil.

Você pode ser um estudante, um cientista de dados ou um pesquisador de IA, o Colab pode facilitar seu trabalho. Assista ao vídeo Introdução ao Colab para saber mais.

O notebook Colab é um ambiente interativo que permite escrever e executar código.

Os notebooks do Colab permitem combinar código executável e rich text em um só documento, além de imagensHTMLLaTeX e muito mais. Quando você cria seus próprios notebooks do Colab, eles são armazenados na sua conta do Google Drive. É possível compartilhar os notebooks do Colab facilmente com colegas de trabalho ou amigos e permitir que eles façam comentários ou até editem o documento. Para saber mais, consulte a Visão Geral do Colab. Para criar um novo notebook do Colab, use o menu Arquivo acima ou acesse o seguinte: criar um novo notebook do Colab.

 

Ciência de Dados

Com o Colab, você pode aproveitar o todo o potencial das conhecidas bibliotecas Python para analisar e ver dados. O código abaixo usa numpy para gerar dados aleatórios e matplotlib para visualizá-los.

É possível importar para os notebooks do Colab os dados da sua conta do Google Drive, como planilhas. Também é possível importar do GitHub e de muitas outras fontes. Para saber mais sobre como importar dados e como o Colab pode ser usado para a ciência de dados, consulte o link abaixo em Como trabalhar com dados.

Machine Learning

Com o Colab, é possível importar um conjunto de dados de imagem, treinar um classificador de imagens dentro dele e avaliar o modelo, tudo com apenas algumas linhas de código. Os notebooks do Colab executam código dos servidores em nuvem do Google. Isso significa que você pode tirar proveito da potência de hardware do Google, como GPUs e TPUs, independentemente da potência da sua máquina. Você só precisa de um navegador.

O Colab é usado amplamente pela comunidade de machine learning, para aplicações como:

  • Primeiros passos com o TensorFlow
  • Desenvolvimento e treinamento de redes neurais
  • Experimentos com TPUs
  • Divulgar pesquisas em IA
  • Criação de tutoriais

Para ver notebooks do Colab que demonstram aplicações de machine learning, consulte os exemplos de machine learning.