Guia de acesso rápido ao Python

adminvooo0

por: Ricardo Dortas Schönhofen

ACESSO RÁPIDO AO PYTHON

Python é cada vez mais usado para Data Science. São várias as razões para isso: amplas bibliotecas, linguagem de programação completa e fácil de dominar, etc.

Ainda assim, você vai precisar de alguma ajuda com referências práticas e rapidamente acessíveis. Por isso, traduzimos um guia de acesso rápido dos comandos Python, voltado para iniciantes.

Abaixo está a versão para impressão do guia.

https://www.vooo.pro/insights/downloads/Vooo-Insights-Python_acesso_rapido.pdf

Esse guia irá falar de variáveis e tipos de dados, strings, listas e também um pouco de numpy.

Bibliotecas

Importando bibliotecas

import numpy
import numpy as np

Importação seletiva

from math import pi

Pedindo ajuda

>>> help(str)

Variáveis e tipos de dados

Atribuindo variáveis

>>> x=5
>>> x
5

Calculando com Variáveis

#Soma de duas variáveis
>>> x+2
7
#Subtração de duas variáveis
>>> x-2
3
#Multiplicação de duas variáveis
>>> x*2
10
#Exponenciação de duas variáveis
>>> x**2
25
#Resto de uma variável
>>> x%2
1
#Divisão de uma variável
>>> x/float(2)
2.5

Calculando com variáveis

#Variáveis para strings
str() 
'5', '3.45', 'True' 
#Variáveis para inteiros 
int() 5, 3, 1 
#Variável para flutuante 
float() 
5.0, 1.0 
#Variável para booleano 
bool() 
True, True, True

Strings

>>> m_string = 'estaStringéótima' 
>>> m_string 
'estaStringéótima'

Operações com strings

>>> m_string * 2 
'estaStringéótimaestaStringéótima' 
>>> m_string + 'Innit' 
'estaStringéótimaInnit' 
>>> 't' in m_string 
'True'

Selecionando caracteres

>>> my_string[3] 
'a'

Métodos Strings

#Maiúsculas 
>>> m_string.upper() 
#Minúsculas 
>>> m_string.lower() 
#Conta o elemento 
>>> m_string.count('w') 
#Substitui o elemento 
>>> m_string.replace('e', 'i') 
#Tira espaços em branco do início e fim 
>>> m_string.strip()

Listas

>>> a = 'é' 
>>> b = 'legal' 
>>> minha_lista = ['minha', 'lista', a, b] 
>>> minha_lista2 = [[4,5,6,7], [3,4,5,6]]

Selecionando itens de lista

Subconjunto

#Retorna item no índice 1 
>>> minha_lista [1] 
#Retorna o penúltimo item 
>>> minha_lista [-2]

Corte (Slice)

#Retorna itens do índice 1 e 2 
>>> minha_lista [1:3] 
#Retorna itens após índice 0 
>>> minha_lista [1:] 
#Retorna itens até índice 3 
>>> minha_lista [:3] 
#Copia a lista 
>>> minha_lista [:]

Subconjunto de listas

>>> minha_lista [lista][itemDaLista] 
>>> minha_lista2[1][0] 
>>> minha_lista2[1][:2]

Operações com listas

>>> minha_lista + minha_lista 
['minha', 'lista', 'é', 'legal', 'minha', 'lista', 'é', 'legal'] 
>>> minha_lista * 2 
['minha', 'lista', 'é', 'legal', 'minha', 'lista', 'é', 'legal'] 
>>> minha_lista2 > 4 
True

Métodos de listas

#Retorna o índice do tiem 
>>> minha_lista.index(a) 
#Conta o item 
>>> minha_lista.count(a) 
#Adiciona um item por vez 
>>> minha_lista.append('!') 
#Remove um item 
>>> minha_lista.remove('!') 
#Remove itens 
>>> del(minha_lista[0:1]) 
#Reverte a lista 
>>> minha_lista.reverse() 
#Adiciona itens 
>>> minha_lista.extend('!') 
#Remove um item 
>>> minha_lista.pop(-1) 
#Insere um item 
>>> minha_lista.insert(0,'!') 
#Ordena a lista 
>>> minha_lista.sort()

Matrizes Numpy

>>> minha_lista = [1, 2, 3, 4] 
>>> m_array = np.array(minha_lista) 
>>> m_2d_array = np.array([[1,2,3],[4,5,6]])

Selecionando elementos

Subconjunto

#Retorna item no índice 1 
>>> m_array[1] 
2

Corte (Slice)

#Retorna itens do índice 0 e 1 
>>> m_array[0:2] 
array([1, 2])

Subconjunto 2D

#m_2d_array[linhas, colunas] 
>>> m_2d_array[:,0] 
array([1, 4])

Operações com matrizes numpy

>>> my_array > 3 
array([False, False, False, True], dtype=bool) 
>>> m_array * 2 
array([2, 4, 6, 8]) 
>>> m_array + np.array([5, 6, 7, 8]) 
array([6, 8, 10, 12])

Funções matrizes numpy

#Retorna as dimensões da matriz 
>>> m_array.shape 
#Adiciona itens a uma matriz 
>>> np.append(other_array) 
#Insere itens numamatriz 
>>> np.insert(my_array, 1, 5) 
#Remove itens 
>>> np.delete(my_array,[1]) 
#Média da matriz 
>>> np.mean(my_array) 
#Mediana damatriz 
>>> np.median(my_array) 
#Coeficiente de correlação 
>>> my_array.corrcoef() 
#Desvio padrão 
>>> np.std(my_array)

Abaixo está a versão para impressão do guia.

https://www.vooo.pro/insights/downloads/Vooo-Insights-Python_acesso_rapido.pdf

Veja também:

Deixe uma resposta