Análise de dados com Python e Pandas
Atualmente os analistas devem lidar com dados caracterizados por variedade e volume extraordinários, e com muita rapidez. Utilizando a biblioteca Pandas, é possível usar Python para automatizar e executar tarefas de análise de dados de maneira rápida, não importa quão volumosos ou complexos sejam esses dados. O Pandas pode ajudar a garantir a veracidade de seus dados, visualizá-los para uma tomada de decisão eficaz e reproduzir análises em vários conjuntos de dados de modo confiável.
+-
Quem viu este produto , comprou
-
Python Eficaz - 59 maneiras de programar melhor em Python
Python Eficaz ajudará o leitor a dominar o mais verdadeiro estilo “pythônico” da arte de programar, empregando todo o potencial do Python para escrever códigos robustos e de desempenho exemplar. Usando o estilo conciso e baseado em cenários, visto no best-seller C++ Eficaz, de Scott Meyers, o autor Brett Slatkin reúne 59 das melhores práticas e dicas em Python, e as explica com exemplos realistas de código. ... Ler mais +
QUERO VER -
Projetos de Ciência de Dados com Python
Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. ... Ler mais +
QUERO VER -
Aperfeiçoe suas habilidades com Python enquanto explora minuciosamente essa linguagem de programação com Python Levado a Sério. Escrito para desenvolvedores e programadores experientes, este livro sintetiza mais de quinze anos de experiência com Python, com o intuito de ensinar você a evitar erros comuns, escrever código de modo mais eficiente e criar melhores programas em menos tempo. Você verá uma série de tópicos avançados como multithreading e memoização, receberá conselhos de especialistas em assuntos como design de APIs e como lidar com bancos de dados, além de conhecer a natureza interna de Python a fim de ter uma compreensão mais profunda sobre a linguagem em si. ... Ler mais +
QUERO VER -
Web Scraping com Python - Coletando mais dados da web moderna - 2ª edição
Se a programação é mágica, o web scraping certamente é uma forma de magia. Ao escrever um programa automatizado simples, é possível consultar servidores web, requisitar dados e interpretá-los a fim de extrair as informações desejadas. A edição ampliada deste livro prático não só apresenta uma introdução ao web scraping, como também serve de guia completo para coletar quase todos os tipos de dados da web moderna. ... Ler mais +
QUERO VER -
Aplicações de IoT (Internet of Things ou Internet das Coisas) estão cada vez mais presentes em nosso cotidiano. Já se tornaram comuns eletrodomésticos ou soluções de automação residencial na qual podemos interagir e controlar à distância por meio da Internet. Atualmente uma das plataformas de baixo custo para IoT mais utilizadas é o NodeMCU, baseado nos microcontroladores ESP8266 e ESP32, que, além de uma ótima capacidade de processamento, possui uma interface Wi-Fi. ... Ler mais +
QUERO VER -
Data Science para Programadores - Um Guia Completo Utilizando a Linguagem Python
Um guia para estudantes e profissionais, utilizando a linguagem Python em todo o seu potencial. Você aprenderá os conceitos e fundamentos estatísticos que auxiliarão seu trabalho analítico. As bibliotecas são apresentadas de maneira prática, focando no que é mais importante para o seu trabalho do dia a dia. O livro apresenta um ferramental completo para você iniciar neste mercado lucrativo que a Data Science possibilita. ... Ler mais +
QUERO VER -
Python sem Mistérios oferece uma abordagem única para você aprender os fundamentos da linguagem Python, tais como dicionários, listas, tuplas, funções, classes e muito mais. Junto com os fundamentos, são apresentados muitos exemplos para que você leitor pratique e consolide os conhecimentos adquiridos. ... Ler mais +
QUERO VER -
Matemática com Python: Um Guia Prático
Este livro ensina a utilizar Python para resolver questões matemáticas, não sendo exigidos conhecimentos avançados de programação e de algoritmos, somente noções básicas da linguagem e de sua sintaxe. Além disso, apresenta o uso de Python como ferramenta, no apoio de estudos, pesquisas e aplicações, não se prendendo a explicações matemáticas, deixadas para outras fontes. ... Ler mais +
QUERO VER -
Python é a linguagem preferida dos profissionais de segurança da informação. Fácil de aprender, multiplataforma, e com uma enorme variedade de bibliotecas que podem ser aproveitadas em pentest de redes, aplicações web e redes sem fio. Este livro mostra como criar ferramentas em Python para pentest, com muitos exemplos de código-fonte, que podem ser executados em qualquer versão do Kali Linux. ... Ler mais +
QUERO VER
Quem viu este produto , também se interessou
-
Plone 4: Administrando servidores Plone 4.x na prática
Plone é um Sistema Gerenciador de Conteúdo (CMS) livre e de código aberto, multiplataforma, escrito em Python e que roda utilizando o servidor de aplicações Zope. ... Ler mais +
QUERO VER -
TDD com Python - Siga o bode dos testes: usando Django, Selenium e JavaScript
Ao conduzir você pelo desenvolvimento de uma verdadeira aplicação web do início ao fim, a segunda edição deste guia “mão na massa” mostra as vantagens práticas do TDD (Test-Driven Development, ou Desenvolvimento Orientado a Testes) com Python. Você aprenderá a escrever e a executar testes antes de construir cada parte de sua aplicação, e então desenvolverá a quantidade mínima de código necessária para que os testes passem. O resultado? Um código limpo, que funcionará. ... Ler mais +
QUERO VER -
Python Eficaz - 59 maneiras de programar melhor em Python
Python Eficaz ajudará o leitor a dominar o mais verdadeiro estilo “pythônico” da arte de programar, empregando todo o potencial do Python para escrever códigos robustos e de desempenho exemplar. Usando o estilo conciso e baseado em cenários, visto no best-seller C++ Eficaz, de Scott Meyers, o autor Brett Slatkin reúne 59 das melhores práticas e dicas em Python, e as explica com exemplos realistas de código. ... Ler mais +
QUERO VER -
Matemática com Python: Um Guia Prático
Este livro ensina a utilizar Python para resolver questões matemáticas, não sendo exigidos conhecimentos avançados de programação e de algoritmos, somente noções básicas da linguagem e de sua sintaxe. Além disso, apresenta o uso de Python como ferramenta, no apoio de estudos, pesquisas e aplicações, não se prendendo a explicações matemáticas, deixadas para outras fontes. ... Ler mais +
QUERO VER
- DescriçãoAnálise de dados com Python e Pandas
Atualmente os analistas devem lidar com dados caracterizados por variedade e volume extraordinários, e com muita rapidez. Utilizando a biblioteca Pandas, é possível usar Python para automatizar e executar tarefas de análise de dados de maneira rápida, não importa quão volumosos ou complexos sejam esses dados. O Pandas pode ajudar a garantir a veracidade de seus dados, visualizá-los para uma tomada de decisão eficaz e reproduzir análises em vários conjuntos de dados de modo confiável.
Análise de dados com Python e Pandas reúne conhecimentos práticos e insights para solucionar problemas reais com o Pandas, mesmo que a análise de dados com Python seja novidade para você. Daniel Y. Chen apresenta conceitos essenciais por meio de exemplos simples e práticos, expandindo-os de modo incremental para resolver problemas mais difíceis do mundo real.
Chen oferece um ponto de partida rápido para o Pandas por meio de um conjunto de dados realista, além de abordar a combinação de conjuntos de dados, o tratamento de dados ausentes e a estruturação de conjuntos de dados com o intuito de facilitar a análise e a visualização. Além disso, mostra técnicas eficazes de limpeza de dados que variam da manipulação básica de strings à aplicação simultânea de funções nos dataframes.
Depois que seus dados estiverem prontos, Chen orientará você na adequação de modelos para previsão, clustering, inferência e exploração. O autor apresenta dicas sobre desempenho e escalabilidade, e introduz você ao ecossistema mais amplo da análise de dados com Python.
ASSUNTOS ABORDADOS
Como trabalhar com DataFrames e Series e importar e exportar dados
Criação de plotagens com matplotlib, seaborn e Pandas
Combinação de conjuntos de dados e tratamento de dados ausentes
Reformatação, organização e limpeza de conjuntos de dados para que seja mais fácil trabalhar com eles
Conversão de tipos de dados e manipulação de strings de texto
Aplicação de funções para escalar as manipulações de dados
Agregação, transformação e filtragem de conjuntos de dados volumosos usando groupby
Como tirar proveito dos recursos avançados de data e hora do Pandas
Adequação de modelos lineares usando as bibliotecas statsmodels e scikit-learn
Uso de modelagem linear generalizada para adequação de modelos com diferentes variáveis de resposta
Comparação entre vários modelos para selecionar o “melhor”
Regularização para evitar a superadequação e melhorar o desempenho
Uso de clustering em aprendizado de máquina sem supervisão - Sobre o Autor
- Especificação
Características
Tipo de Livro Livro Físico Especificações
Sobre o Autor Daniel Y. Chen
DANIEL Y. CHEN é engenheiro de dados e pesquisador associado na Social and Decision Analytics Laboratory, no Biocomplexity Institute da Virginia Tech. Doutorando no programa interdisciplinar em GBCB (Genetics, Bioinformatics & Computational Biology), e está envolvido com The Carpentries como instrutor e mantenedor de aulas. É instrutor do DataCamp e cientista de dados na Lander Analytics. Tem mestrado em saúde pública pela Mailman School of Public Health da Universidade de Columbia em epidemiologia, onde estudou difusão de atitudes em redes sociais. Atualmente trabalha com o reaproveitamento de dados administrativos para fundamentar políticas de tomada de decisão.Informações Técnicas Sumário
Apresentação.........................................................................................................................15
Prefácio .................................................................................................................................17
Agradecimentos.....................................................................................................................25
Sobre o autor .........................................................................................................................29
Parte I ¦ Introdução................................................................................................................30
Capítulo 1 ¦ Básico sobre o DataFrame do Pandas....................................................................31
1.1 Introdução................................................................................................. 31
1.2 Carregando seu primeiro conjunto de dados..............................................32
1.3 Observando colunas, linhas e células .........................................................36
1.3.1 Obtendo subconjuntos de colunas.......................................................36
1.3.2 Obtendo subconjuntos de linhas.........................................................38
1.3.3 Combinando tudo..............................................................................43
1.4 Cálculos agrupados e agregados................................................................. 51
1.4.1 Médias agrupadas...............................................................................52
1.4.2 Contadores de frequência agrupados ..................................................56
1.5 Plotagem básica.........................................................................................57
1.6 Conclusão.................................................................................................58
Capítulo 2 ¦ Estruturas de dados do Pandas.............................................................................59
2.1 Introdução ................................................................................................59
2.2 Criando seus próprios dados.....................................................................60
2.2.1 Criando uma Series............................................................................60
2.2.2 Criando um DataFrame ..................................................................... 61
2.3 Series........................................................................................................63
2.3.1 Series é semelhante a ndarray..............................................................65
2.3.2 Subconjuntos com booleanos: Series...................................................66
2.3.3 Operações são alinhadas e vetorizadas automaticamente (broadcasting)69
8 Análise de dados com Python e Pandas
2.4 DataFrame................................................................................................73
2.4.1 Subconjuntos com booleanos: DataFrames..........................................73
2.4.2 Operações são alinhadas e vetorizadas automaticamente (broadcasting)74
2.5 Fazendo alterações em Series e em DataFrames ..........................................76
2.5.1 Adicionando mais colunas ..................................................................76
2.5.2 Alterando diretamente uma coluna.....................................................78
2.5.3 Descartando valores ........................................................................... 81
2.6 Exportando e importando dados...............................................................82
2.6.1 pickle .................................................................................................82
2.6.2 CSV...................................................................................................85
2.6.3 Excel..................................................................................................86
2.6.4 Formato feather para interface com R..................................................87
2.6.5 Outros tipos de saída de dados...........................................................87
2.7 Conclusão.................................................................................................88
Capítulo 3 ¦ Introdução à plotagem........................................................................................89
3.1 Introdução.................................................................................................89
3.2 Matplotlib................................................................................................. 91
3.3 Gráficos estatísticos usando a matplotlib....................................................97
3.3.1 Univariado .........................................................................................98
3.3.2 Bivariado ...........................................................................................99
3.3.3 Dados multivariados......................................................................... 100
3.4 seaborn................................................................................................... 102
3.4.1 Univariado ....................................................................................... 103
3.4.2 Dados bivariados..............................................................................106
3.4.3 Dados multivariados..........................................................................114
3.5 Objetos do Pandas .................................................................................. 123
3.5.1 Histogramas..................................................................................... 123
3.5.2 Plotagem de densidade ..................................................................... 125
3.5.3 Gráfico de dispersão......................................................................... 125
3.5.4 Plotagem hexbin............................................................................... 126
3.5.5 Gráfico de caixa ............................................................................... 127
3.6 Temas e estilos do seaborn ....................................................................... 127
3.7 Conclusão............................................................................................... 129
Parte II ¦ Manipulação de dados ........................................................................................... 131
Capítulo 4 ¦ Preparação dos dados........................................................................................ 132
4.1 Introdução .............................................................................................. 132
4.2 Tidy Data ............................................................................................... 133
4.2.1 Combinando conjuntos de dados...................................................... 133
Sumário 9
4.3 Concatenação ......................................................................................... 134
4.3.1 Adicionando linhas........................................................................... 134
4.3.2 Adicionando colunas........................................................................ 139
4.3.3 Concatenação com índices diferentes ................................................ 140
4.4 Combinando vários conjuntos de dados .................................................. 144
4.4.1 Merge um a um ................................................................................ 146
4.4.2 Merge de muitos para um..................................................................147
4.4.3 Merge de muitos para muitos ........................................................... 148
4.5 Conclusão .............................................................................................. 150
Capítulo 5 ¦ Dados ausentes ................................................................................................. 151
5.1 Introdução................................................................................................151
5.2 O que é um valor NaN?........................................................................... 152
5.3 De onde vêm os valores ausentes?............................................................. 153
5.3.1 Carga de dados................................................................................. 153
5.3.2 Dados combinados........................................................................... 155
5.3.3 Valores de entrada do usuário ........................................................... 157
5.3.4 Reindexação ..................................................................................... 158
5.4 Trabalhando com dados ausentes.............................................................160
5.4.1 Encontrando e contando dados ausentes ...........................................160
5.4.2 Limpando dados ausentes ................................................................ 162
5.4.3 Cálculos com dados ausentes............................................................ 165
5.5 Conclusão...............................................................................................166
Capítulo 6 ¦ Tidy data (dados organizados) ...........................................................................167
6.1 Introdução .............................................................................................. 167
6.2 Colunas contêm valores, e não variáveis ...................................................168
6.2.1 Mantendo uma coluna fixa ...............................................................168
6.2.2 Mantendo várias colunas fixas...........................................................171
6.3 Colunas contendo diversas variáveis......................................................... 173
6.3.1 Separar e adicionar colunas individualmente (método simples)............174
6.3.2 Separar e combinar em um único passo (método simples).................. 177
6.3.3 Separar e combinar em um único passo (método mais complicado).... 178
6.4 Variáveis tanto em linhas quanto em colunas............................................ 180
6.5 Várias unidades de observação em uma tabela (normalização).................. 182
6.6 Unidades de observação em várias tabelas................................................ 185
6.6.1 Carregando vários arquivos usando um laço ...................................... 188
6.6.2 Carregando vários arquivos usando uma list comprehension ............. 189
6.7 Conclusão............................................................................................... 190
10 Análise de dados com Python e Pandas
Parte III ¦ Manipulação de dados ..........................................................................................191
Capítulo 7 ¦ Tipos de dados...................................................................................................192
7.1 Introdução............................................................................................... 192
7.2 Tipos de dados........................................................................................ 192
7.3 Convertendo tipos................................................................................... 193
7.3.1 Convertendo para objetos string ........................................................ 194
7.3.2 Convertendo para valores numéricos................................................. 194
7.4 Dados categorizados................................................................................200
7.4.1 Conversão para categoria....................................................................201
7.4.2 Manipulando dados categorizados....................................................202
7.5 Conclusão...............................................................................................203
Capítulo 8 ¦ Strings e dados do tipo texto..............................................................................204
8.1 Introdução ..............................................................................................204
8.2 Strings....................................................................................................205
8.2.1 Obtendo subconjuntos e fatiando strings...........................................205
8.2.2 Obtendo o último caractere de uma string ........................................207
8.3 Métodos de string ...................................................................................209
8.4 Outros métodos de string ........................................................................ 210
8.4.1 Método join ...................................................................................... 211
8.4.2 Método splitlines .............................................................................. 211
8.5 Formatação de strings..............................................................................212
8.5.1 Formatação de strings personalizada ..................................................213
8.5.2 Formatação de strings de caracteres ...................................................213
8.5.3 Formatação de números ....................................................................214
8.5.4 Formatação no estilo do printf de C.................................................. 215
8.5.5 Strings literais formatadas em Python 3.6+........................................ 215
8.6 Expressões regulares (RegEx) ................................................................... 216
8.6.1 Correspondência de padrão ...............................................................218
8.6.2 Encontrando um padrão ...................................................................221
8.6.3 Substituindo um padrão....................................................................221
8.6.4 Compilando um padrão ...................................................................222
8.7 Biblioteca regex ....................................................................................... 224
8.8 Conclusão .............................................................................................. 224
Capítulo 9 ¦ Apply................................................................................................................225
9.1 Introdução............................................................................................... 225
9.2 Funções .................................................................................................. 225
9.3 apply (básico)..........................................................................................226
9.3.1 apply em uma Series..........................................................................227
9.3.2 apply em um DataFrame...................................................................229
Sumário 11
9.4 apply (mais avançado) ............................................................................. 232
9.4.1 Operações em colunas....................................................................... 235
9.4.2 Operações em linhas ........................................................................ 237
9.5 Funções vetorizadas.................................................................................240
9.5.1 Usando o numpy ...............................................................................241
9.5.2 Usando a biblioteca numba .............................................................. 242
9.6 Funções lambda ...................................................................................... 243
9.7 Conclusão............................................................................................... 245
Capítulo 10 ¦ Operações groupby: separar–aplicar–combinar................................................246
10.1 Introdução.............................................................................................246
10.2 Agregação.............................................................................................. 247
10.2.1 Agregação básica com agrupamento de uma única variável ............... 247
10.2.2 Métodos de agregação embutidos.................................................... 249
10.2.3 Funções de agregação......................................................................250
10.2.4 Várias funções simultaneamente......................................................254
10.2.5 Usando um dicionário em agg/aggregate .........................................254
10.3 Transformação.......................................................................................256
10.3.1 Exemplo com escore z......................................................................256
10.4 Filtragem............................................................................................... 261
10.5 Objeto pandas.core.groupby.DataFrameGroupBy....................................262
10.5.1 Grupos...........................................................................................263
10.5.2 Cálculos com grupos envolvendo diversas variáveis..........................264
10.5.3 Selecionando um grupo ..................................................................265
10.5.4 Iterando nos grupos........................................................................265
10.5.5 Vários grupos .................................................................................268
10.5.6 Obtendo resultados planos..............................................................268
10.6 Trabalhando com MultiIndex .................................................................269
10.7 Conclusão ............................................................................................. 273
Capítulo 11 ¦ Tipo de dado datetime..................................................................................... 274
11.1 Introdução ............................................................................................. 274
11.2 Objeto datetime de Python..................................................................... 275
11.3 Conversão para datetime ........................................................................ 275
11.4 Carregando dados que incluam datas .....................................................279
11.5 Extraindo componentes de datas............................................................280
11.6 Cálculos com datas e timedeltas .............................................................282
11.7 Métodos de datetime..............................................................................284
11.8 Obtendo dados de ações.........................................................................287
11.9 Obtendo subconjuntos de dados com base em datas...............................288
11.9.1 Objeto DatetimeIndex......................................................................289
11.9.2 Objeto TimedeltaIndex ...................................................................290
12 Análise de dados com Python e Pandas
11.10 Intervalos de datas.................................................................................291
11.10.1 Frequências....................................................................................293
11.10.2 Offsets...........................................................................................294
11.11 Deslocando valores................................................................................295
11.12 Reamostragem......................................................................................303
11.13 Fusos horários......................................................................................304
11.14 Conclusão ............................................................................................306
Parte IV ¦ Modelagem de dados............................................................................................307
Capítulo 12 ¦ Modelos lineares..............................................................................................308
12.1 Introdução.............................................................................................308
12.2 Regressão linear simples.........................................................................308
12.2.1 Usando a statsmodels......................................................................309
12.2.2 Usando a sklearn............................................................................. 311
12.3 Regressão múltipla..................................................................................313
12.3.1 Usando a statsmodels.......................................................................313
12.3.2 Usando a statsmodels com variáveis categorizadas ............................314
12.3.3 Usando a sklearn .............................................................................316
12.3.4 Usando a sklearn com variáveis categorizadas...................................317
12.4 Mantendo os rótulos dos índices com a sklearn .......................................318
12.5 Conclusão..............................................................................................319
Capítulo 13 ¦ Modelos lineares generalizados........................................................................320
13.1 Introdução ............................................................................................. 320
13.2 Regressão logística ................................................................................. 320
13.2.1 Usando a statsmodels...................................................................... 322
13.2.2 Usando a sklearn............................................................................ 324
13.3 Regressão de Poisson.............................................................................. 326
13.3.1 Usando a statsmodels...................................................................... 326
13.3.2 Regressão binomial negativa para superdispersão............................. 328
13.4 Outros modelos lineares generalizados ................................................... 329
13.5 Análise de sobrevivência......................................................................... 330
13.5.1 Testando as suposições do modelo de Cox........................................ 333
13.6 Conclusão ............................................................................................. 334
Capítulo 14 ¦ Diagnóstico de modelos...................................................................................335
14.1 Introdução ............................................................................................. 335
14.2 Resíduos ............................................................................................... 335
14.2.1 Plotagens q-q ..................................................................................338
14.3 Comparando vários modelos..................................................................340
14.3.1 Trabalhando com modelos lineares ..................................................340
Sumário 13
14.3.2 Trabalhando com modelos GLM.....................................................344
14.4 Validação cruzada k-fold ........................................................................ 347
14.5 Conclusão ..............................................................................................351
Capítulo 15 ¦ Regularização..................................................................................................352
15.1 Introdução ............................................................................................. 352
15.2 Por que regularizar?............................................................................... 352
15.3 Regressão LASSO .................................................................................. 355
15.4 Regressão de ridge.................................................................................. 357
15.5 Rede elástica.......................................................................................... 359
15.6 Validação cruzada ..................................................................................362
15.7 Conclusão .............................................................................................365
Capítulo 16 ¦ Clustering........................................................................................................366
16.1 Introdução.............................................................................................366
16.2 k-means................................................................................................366
16.2.1 Redução de dimensões com PCA.....................................................369
16.3 Clustering hierárquico ............................................................................374
16.3.1 Clustering completo .........................................................................374
16.3.2 Clustering simples.......................................................................... 375
16.3.3 Clustering com médias ................................................................... 375
16.3.4 Clustering com centroide ................................................................ 375
16.3.5 Definindo manualmente o limite .................................................... 376
16.4 Conclusão ............................................................................................. 377
Parte V ¦ Conclusão ..............................................................................................................378
Capítulo 17 ¦ Vida além do Pandas........................................................................................379
17.1 A pilha de processamento (científico)....................................................... 379
17.2 Desempenho .........................................................................................380
17.2.1 Medindo o tempo de execução de seu código....................................380
17.2.2 Gerando o perfil de seu código........................................................382
17.3 Maior e mais rápido ...............................................................................382
Capítulo 18 ¦ No caminho para ser autodidata.......................................................................383
18.1 É perigoso andar sozinho! ......................................................................383
18.2 Meetups locais ......................................................................................383
18.3 Conferências..........................................................................................384
18.4 Internet .................................................................................................385
18.5 Podcasts................................................................................................385
18.6 Conclusão .............................................................................................385
14 Análise de dados com Python e Pandas
Parte VI ¦ Apêndices.............................................................................................................386
Apêndice A ¦ Instalação........................................................................................................387
Apêndice B ¦ Linha de comandos ..........................................................................................389
Apêndice C ¦ Templates de projeto........................................................................................391
Apêndice D ¦ Usando Python ................................................................................................392
Apêndice E ¦ Diretórios de trabalho.......................................................................................395
Apêndice F ¦ Ambientes........................................................................................................397
Apêndice G ¦ Instalação de pacotes.......................................................................................400
Apêndice H ¦ Importando bibliotecas....................................................................................402
Apêndice I ¦ Listas................................................................................................................404
Apêndice J ¦ Tuplas...............................................................................................................406
Apêndice K ¦ Dicionários.......................................................................................................407
Apêndice L ¦ Fatiando valores............................................................................................... 410
Apêndice M ¦ Laços .............................................................................................................. 412
Apêndice N ¦ Comprehensions.............................................................................................. 414
Apêndice O ¦ Funções........................................................................................................... 416
Apêndice P ¦ Intervalos e geradores......................................................................................421
Apêndice Q ¦ Atribuição múltipla..........................................................................................424
Apêndice R ¦ ndarray do numpy............................................................................................426
Apêndice S ¦ Classes.............................................................................................................428
Apêndice T ¦ Odo: o modificador de formato..........................................................................430Informações Técnicas
Nº de páginas: 432 Origem: Nacional Editora: Editora Novatec Idioma: Português Edição: 1ª Edição Ano: 2018 ISBN: 9788575226995 Encadernação: Brochura Autor: Daniel Y. Chen - Informações
Avaliação técnica sobre o livro
