Python para Análise de Dados

O que é Python?

Python é uma linguagem de programação popular. Foi criado por Guido van Rossum e lançado em 1991.

É usado para: - Desenvolvimento web, - Desenvolvimento de software, - Matemática, - Script do sistema.

O Python foi projetado para facilitar a leitura e possui algumas semelhanças com o idioma inglês com influência da matemática.

Python usa novas linhas para completar um comando, ao contrário de outras linguagens de programação que geralmente usam ponto e vírgula ou parênteses.

Python depende de recuo, usando espaço em branco, para definir o escopo; como o escopo de loops, funções e classes. Outras linguagens de programação costumam usar colchetes para essa finalidade.

Link dos codigos

https://colab.research.google.com/drive/1dG22IcBgakmR4UKEbX1IaHhUDQMMgYHc?usp=sharing

Neste vídeo vamos estudar os Operadores Matemáticos do Python.

Os operadores são usados ​​para realizar operações em variáveis ​​e valores: - Soma - Subtração - Multiplicação - Divisão - Exponenciação - Resto da Divisão - Divisão de Chão

https://colab.research.google.com/drive/1dG22IcBgakmR4UKEbX1IaHhUDQMMgYHc?usp=sharing

Neste vídeo vamos estudar sobre variáveis no Python. Variáveis ​​são contêineres para armazenar valores de dados. Uma variável é criada no momento em que você atribui um valor a ela.

Neste vídeo vamos estudar sobre Tipos de Dados em Python. Tipos de dados mais utilizados: - Listas - São criadas usando [ ] (Colchetes) - Tuplas - São criadas usando ( ) (Parênteses) - Dicionários - São criadas usando { } (Chaves) Esses tipos de dados podem receber qualquer tipo de informação, inclusive Operações Aritméticas

Neste vídeo vamos estudar sobre a nomeação de variáveis de varias formas. Podemos nomear variáveis e tipos de dados de diversas formas: - Declarar as variáveis em uma única linha de comando; - Atribuir um valor à diversas variáveis; - Declarar usando uma Lista; - Combinar variáveis; - Operar com operadores matemáticos; - Muitos outros.

Neste vídeo vamos estudar sobre tipo de informação em Python. Na programação, o tipo de dados é um conceito importante. Variáveis ​​podem armazenar dados de diferentes tipos, e diferentes tipos podem fazer coisas diferentes. O Python tem os seguintes tipos de dados integrados por padrão, nestas categorias: - Text Type: str - Numeric Types: int, float, complex - Sequence Types: list, tuple, range - Mapping Type: dict - Set Types: set, frozenset - Boolean Type: bool - Binary Types: bytes, bytearray, memoryview

Neste vídeo vamos estudar o comando 'round'. Quando trabalhamos com números flutuantes, podemos arredondar o valor usando um comando nativo do Python Função: round( valor, número de casas)

Neste vídeo vamos estudar o comando 'len' em Python. A função len() retorna a quantidade de elementos de qualquer lista em Python, essa é mais uma função built-in e disponível em qualquer parte dos nossos códigos.

Neste vídeo vamos estudar sobre o Fatiamento de Strings Strings são listas de bytes representando caracteres. Podemos acessar suas posições usando Colchetes String [Posição Inicial: Posição Final]

Neste vídeo vamos estudar sobre manipulação de Strings Um tipo de dados bastante usado no dia a dia são as strings, ou cadeias de caracteres (ou sequências de caracteres). O tipo de dados string, ou str como é chamado em Python, possui várias operações úteis associadas a ele. Essas operações tornam Python uma linguagem bastante propícia para manipulação de textos. Algumas funções mais utilizadas: - replace() - startswith() - endswith() - count() - capitalize() - isdigit() - isalnum() - upper() - lower() - find () - strip() - split()

Neste vídeo vamos estudar sobre manipulação de Strings Um tipo de dados bastante usado no dia a dia são as strings, ou cadeias de caracteres (ou sequências de caracteres). O tipo de dados string, ou str como é chamado em Python, possui várias operações úteis associadas a ele. Essas operações tornam Python uma linguagem bastante propícia para manipulação de textos. Algumas funções mais utilizadas: - replace() - startswith() - endswith() - count() - capitalize() - isdigit() - isalnum() - upper() - lower() - find () - strip() - split()

Neste vídeo vamos estudar o comando 'input' A função input() recebe como parâmetro uma string que será mostrada como auxílio ao usuário, geralmente o informando que tipo de dado o programa está aguardando receber. input()

Neste vídeo vamos estudar os Operadores de Comparação Os operadores de comparação são usados ​​para comparar dois valores: - '==' ( Igual a ) - '!=' ( Diferente ) - ( Maior ) - ( Menor ) - ( Maior igual ) - ( Menor igual )

Neste vídeo vamos estudar sobre Operadores Lógicos Os operadores lógicos são usados ​​para combinar instruções condicionais: - and (Retorna True se ambas as declarações forem verdadeiras) - or (Retorna True se uma das declarações for verdadeira)

Neste vídeo vamos estudar sobre os Operadores de Identidade. Os operadores de identidade são usados ​​para comparar os objetos, não se forem iguais, mas se forem realmente o mesmo objeto, com a mesma localização de memória: - is (Retorna True se ambas as variáveis ​​forem o mesmo objeto) - is not (Retorna True se ambas as variáveis ​​não forem o mesmo objeto)

Neste vídeo vamos estudar os Operadores de Associação Os operadores de associação são usados ​​para testar se uma sequência é apresentada em um objeto: - in (Retorna True se uma sequência com o valor especificado estiver presente no objeto) - not in (Retorna True se uma sequência com o valor especificado não estiver presente no objeto)

Neste vídeo vamos estudar a manipulação de listas. As listas são usadas para armazenar vários itens em uma única variável. As listas são um dos 4 tipos de dados internos do Python usados ​​para armazenar coleções de dados, os outros 3 são Tuple , Set e Dictionary , todos com qualidades e usos diferentes. Comandos mais utilizados: append() - Para adicionar um item ao final da lista len() - Calcular o tamanho da lista [ ] - Acessar posições del() - Exlcuir um elemtno clear() - Limpar a lista insert() - Para inserir um item de lista em um índice especificado extend() - Anexar elementos de outra lista à lista atual remove() - Remove o item especificado pop() - Remove o índice especificado. sort() - Ordenar os valores copy() - Faz uma copia da Lista index() - Retorna o index do elemento da lista

Neste vídeo vamos estudar o modulo 'datetime'. O datetime módulo fornece classes para manipulação de datas e horas.

Neste vídeo vamos estudar o modulo 'time' Este módulo fornece várias funções relacionadas ao tempo

Neste vídeo vamos estuda o modulo 'math' O Python possui um conjunto de funções matemáticas integradas, incluindo um extenso módulo matemático, que permite realizar tarefas matemáticas em números.

Neste vídeo vamos estudar o modulo 'random' Este módulo implementa geradores de números pseudo-aleatórios para várias distribuições.

Neste vídeo vamos estudar o modulo 'statistics' Este módulo fornece funções para calcular estatísticas matemáticas de dados numéricos e interage com as listas

Neste vídeo vamos estudar a condição 'IF' if é a declaração mais simples de tomada de decisão. Ele é usado para decidir se uma determinada instrução ou bloco de instruções será executado ou não, ou seja, se uma determinada condição for verdadeira, um bloco de instruções será executado, caso contrário, não. if condição : declarações a serem executadas se condição é verdadeira

Neste vídeo vamos estudar o Laço 'for'. O loop For do Python é usado para travessia seqüencial, ou seja, é usado para iterar sobre um iterável como string, tupla, lista, etc. Ele se enquadra na categoria de iteração definida . Iterações definidas significam que o número de repetições é especificado explicitamente com antecedência. for variável in objeto: loop

Neste vídeo vamos estudar o Laço 'for'. O loop For do Python é usado para travessia seqüencial, ou seja, é usado para iterar sobre um iterável como string, tupla, lista, etc. Ele se enquadra na categoria de iteração definida . Iterações definidas significam que o número de repetições é especificado explicitamente com antecedência. for variável in objeto: loop

Neste vídeo vamos estudar o Laço 'for'. O loop For do Python é usado para travessia seqüencial, ou seja, é usado para iterar sobre um iterável como string, tupla, lista, etc. Ele se enquadra na categoria de iteração definida . Iterações definidas significam que o número de repetições é especificado explicitamente com antecedência. for variável in objeto: loop

Neste vídeo vamos estudar a estrutura 'while' Python While Loop é usado para executar um bloco de instruções repetidamente até que uma determinada condição seja satisfeita. E quando a condição se torna falsa, a linha imediatamente após o loop no programa é executada. While loop se enquadra na categoria de iteração indefinida . A iteração indefinida significa que o número de vezes que o loop é executado não é especificado explicitamente com antecedência. while expressão: loop

Neste vídeo vamos estudar a estrutura 'while' Python While Loop é usado para executar um bloco de instruções repetidamente até que uma determinada condição seja satisfeita. E quando a condição se torna falsa, a linha imediatamente após o loop no programa é executada. While loop se enquadra na categoria de iteração indefinida . A iteração indefinida significa que o número de vezes que o loop é executado não é especificado explicitamente com antecedência. while expressão: loop

Neste vídeo vamos estudar o 'break' e ' continue' O uso de loops no Python automatiza e repete as tarefas de maneira eficiente. Mas, às vezes, pode surgir uma condição em que você deseja sair completamente do loop, pular uma iteração ou ignorar essa condição. Isso pode ser feito por instruções de controle de loop . As instruções de controle de loop alteram a execução de sua sequência normal. Quando a execução sai de um escopo, todos os objetos automáticos que foram criados nesse escopo são destruídos. Python suporta as seguintes instruções de controle.

Neste vídeo vamos estudar as funções em python. Uma função é um bloco de código que só é executado quando é chamado. Você pode passar dados, conhecidos como parâmetros, para uma função. Uma função pode retornar dados como resultado.

Neste vídeo vamos estudar a função 'lambda' Uma função lambda é uma pequena função anônima. Uma função lambda pode receber qualquer número de argumentos, mas pode ter apenas uma expressão.

Neste vídeo vamos estudar a estrutura 'try' O try permite testar um bloco de código quanto a erros. O except permite que você lide com o erro. O else permite executar código quando não há erro. O finally permite que você execute código, independentemente do resultado dos blocos try e except.

Neste vídeo vamos estudar as classes em Python. Python é uma linguagem de programação orientada a objetos. Quase tudo em Python é um objeto, com suas propriedades e métodos. Uma classe é como um construtor de objetos, ou um "projeto" para criar objetos.

Neste vídeo vamos estudar o uso do 'pip install' Considere um módulo como sendo o mesmo que uma biblioteca de código. Para instalar um pacote utilize o 'pip install'

Neste vídeo vamos estudar os 'prints' formatados Existe diversas formas de utilizar prints no python.

Código da aula: https://colab.research.google.com/drive/1xKSL_vjRDbgaArARUeFNxdggiYR2jWgI?usp=sharing

Nessa aula iremos aprender sobre o framework 'pandas' do Python.

Pandas é um framework open-source de análise de dados em Python que fornece ferramentas para manipulação e análise de dados de forma eficiente e fácil.

Ele é construído em cima da biblioteca NumPy e permite a manipulação de dados em formatos como CSV, Excel, SQL e muitos outros.

O Pandas fornece estruturas de dados como Series e DataFrame que permitem o processamento de dados tabulares com facilidade. Ele também inclui recursos para filtragem, agregação, limpeza e transformação de dados. Com o Pandas, é possível realizar análises exploratórias de dados e criação de visualizações de dados para insights importantes.

Nessa aula vamos:​

• Importar uma base de dados para nosso ambiente;

  
  

• Utilizar comandos como ( HEAD, SHAPE, INFO, ISNA, COLUMNS, DESCRIBE, TRANPOSE, INDEX, NUNIQUE e muitos outros);

  
  

• Filtrar dados;

  
  

• Selecionar colunas e linhas;

  
  

• Gerar análises gráficas;

  
  

• Muito mais.

Conteúdo Extra

Nesta aula, além dos conteúdos principais, temos também algumas opções de conteúdo extra para ajudar no seu aprendizado. São eles:

• E-book de introdução ao Numpy.

• E-book de introdução ao Pandas com os principais comandos de utilização recorrente.

Código da aula: https://colab.research.google.com/drive/1xKSL_vjRDbgaArARUeFNxdggiYR2jWgI?usp=sharing

Notebook Professor: https://colab.research.google.com/drive/1SKOoPY2eZkflAR-ajxbqazB_UIG_1J_t

Nesta próxima aula, vamos aprofundar ainda mais o aprendizado sobre o poderoso framework "pandas" do Python, que é amplamente utilizado em análises de dados.

Nessa aula vamos:​

• Criar diversas análises usando o 'pandas';

  
  

• Cruzamento de dados [JOIN, LEFT JOINT, RIGTH INER, OUTER JOIN;

  
  

• Substituir valores nulos pela Média e Mediana.

  
  

• Utilizar o comando [GROUPBY] para análises mais especificas.

  
  

• Muito outros.

Conteúdo Extra

Nesta aula, além dos conteúdos principais, temos também algumas opções de conteúdo extra para ajudar no seu aprendizado. São eles:

• E-book sobre como usar os métodos (JOIN, LEFT, RIGTH e OUTER) para cruzamento de dados usando o pandas.

• E-book sobre o uso d​e classes para aplicação no pandas.

Código da aula: https://drive.google.com/file/d/1SeD260xOpRX_X_fBWIUXQ5oZrvVu5VZz/view

Nesta aula, vamos estudar sobre EDA.

EDA significa "Exploratory Data Analysis" (Análise Exploratória de Dados, em português). É uma abordagem na análise de dados que se concentra em descobrir padrões, tendências, relações e anomalias nos dados, usando técnicas estatísticas e visualizações de dados.

O objetivo da EDA é entender melhor os dados antes de aplicar técnicas mais avançadas de modelagem ou inferência estatística. Isso pode ajudar a identificar erros ou valores ausentes nos dados, entender melhor as distribuições de dados e identificar possíveis correlações ou associações entre as variáveis.

Algumas técnicas comuns usadas na EDA incluem gráficos de barras, histogramas, diagramas de caixa, diagramas de dispersão, matrizes de correlação e mapas de calor. A EDA é uma parte essencial do processo de análise de dados, e pode ajudar a garantir que as conclusões tiradas a partir dos dados sejam precisas e confiáveis.​

Nessa aula vamos:​

• Criar diversas análises gráficas usando os frameworks (Matplotlib e Seaborn)';

  
  

• Entender teoria básica por trás das análises;

  
  

• Muito outros.

Conteúdo Extra

Nesta aula, além dos conteúdos principais, temos também algumas opções de conteúdo extra para ajudar no seu aprendizado. São eles:

• E-book de sobre Matplolib.

• E-book de sobre Seaborn.

Neste vídeo vamos estudar sobre medidas de tendência central. As medidas de tendência central são assim denominadas por indicarem um ponto em torno do qual se concentram os dados.

Neste vídeo vamos estudar sobre Medidas Separatrizes Estas medidas são valores que ocupam posições no conjunto de dados, em rol, dividindo-o em partes iguais.

Neste vídeo vamos estudar sobre Medidas de dispersão. As medidas de dispersão auxiliam as medidas de tendência central a descrever o conjunto de dados adequadamente. Indicam se os dados estão, ou não, próximos uns dos outros.

Neste vídeo vamos estudar sobre Medidas de dispersão As medidas de dispersão auxiliam as medidas de tendência central a descrever o conjunto de dados adequadamente. Indicam se os dados estão, ou não, próximos uns dos outros.

Neste vídeo vamos estudar sobre correlação de Pearson. O coeficiente de correlação de Pearson pode ter um intervalo de valores de +1 a -1. Um valor de 0 indica que não há associação entre as duas variáveis. Um valor maior que 0 indica uma associação positiva. Isto é, à medida que o valor de uma variável aumenta, o mesmo acontece com o valor da outra variável. Um valor menor que 0 indica uma associação negativa. Isto é, à medida que o valor de uma variável aumenta, o valor da outra diminui.

Neste vídeo vamos estudar sobre correlação de Spearman. Uma vez que a correlação de Spearman segue uma lógica monotética, e não tem pressupostos lineares como na correlação de Pearson, é possível utilizar o rs para relações não lineares

Neste vídeo vamos estudar sobre o Numpy. NumPy fornece um grande conjunto de funções e operações de biblioteca que ajudam os programadores a executar facilmente cálculos numéricos. Mas em Numpy, as dimensões são chamadas de eixos. O número de eixos é classificado. Em termos mais simples, quando você tem mais de uma matriz unidimensional, então o conceito do eixo surge. Por exemplo, a matriz 2-D tem 2 eixos. Uma vez que a correlação de Spearman segue uma lógica monotética, e não tem pressupostos lineares como na correlação de Pearson, é possível utilizar o rs para relações não lineares

Neste vídeo vamos estudar sobre o Numpy. NumPy fornece um grande conjunto de funções e operações de biblioteca que ajudam os programadores a executar facilmente cálculos numéricos. Mas em Numpy, as dimensões são chamadas de eixos. O número de eixos é classificado. Em termos mais simples, quando você tem mais de uma matriz unidimensional, então o conceito do eixo surge. Por exemplo, a matriz 2-D tem 2 eixos. Uma vez que a correlação de Spearman segue uma lógica monotética, e não tem pressupostos lineares como na correlação de Pearson, é possível utilizar o rs para relações não lineares

Neste vídeo vamos estudar sobre Nuvem de Palavras. O que é Word Cloud? As Word Clouds (também conhecidas como wordle, word collage ou tag cloud) são representações visuais de palavras que dão maior destaque às palavras que aparecem com mais frequência. No caso das Mentimeter Word Clouds, as palavras adicionadas com mais frequência pelos membros da audiência através de seus smartphones. Esse tipo de visualização ajuda apresentadores a coletar informações de sua audiência com mais rapidez, destacar as respostas mais comuns e apresentar os dados de uma maneira que todos possam entender.

Neste vídeo vamos estudar um mapa de calor usando dados regionais. Mapa de Calor O termo “mapa de calor” foi originalmente utilizado para identificar áreas com maior ou menor grau de temperatura ambiental. Serve para dimensionar a refrigeração, isolamento térmico e indicar o melhor posicionamento de pessoas e máquinas em um ambiente. Porém, como o termo entrega um entendimento mais fácil dos gráficos de frio e calor, passou a ser utilizado também em outras áreas.

Neste vídeo vamos desenvolver nosso projeto sobre Unicórnios usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios

Neste vídeo vamos desenvolver nosso projeto sobre Unicórnios usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios.

este vídeo vamos desenvolver nosso projeto sobre Unicórnios usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios.

Neste vídeo vamos desenvolver nosso projeto sobre Unicórnios usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios.

Neste vídeo vamos desenvolver nosso projeto sobre Educação usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios.

Neste vídeo vamos desenvolver nosso projeto sobre Educação usando dados reais da Kaggle. Esse projeto será utilizando dados da Kaggle. Vamos criar um projeto de Data Visualization sobre Unicornios.

Neste vídeo vamos realizar um projeto de mercado financeiro. Vamos analisar as ações da Magalu

Neste vídeo vamos realizar um projeto de mercado financeiro. Vamos analisar as ações da Magalu