É uma linguagem interpretada, dinamicamente tipada, de alto nível orientada a objeto.
Criada em 1991, Python se se encontra na versão 3.7
Leia mais sobre a história do Python aqui
Bonito é melhor que feio.
Explícito é melhor que implícito.
Simples é melhor que complexo.
Complexo é melhor que complicado.
Plano é melhor que aninhado.
Esparso é melhor que denso.
Legibilidade conta.
Casos especiais não são especiais o bastante para se quebrar as regras.
Embora a simplicidade supere o purismo.
Erros nunca deveriam passar silenciosamente.
A menos que explicitamente silenciados.
Ao encarar a ambiguidade, recuse a tentação de adivinhar.
Deveria haver uma – e preferencialmente apenas uma – maneira óbvia de se fazer isto.
Embora aquela maneira possa não ser óbvia à primeira vista se você não for holandês.
Agora é melhor que nunca.
Embora nunca, seja muitas vezes melhor que pra já.
Se a implementação é difícil de explicar, é uma má idéia.
Se a implementação é fácil de explicar, pode ser uma boa idéia.
Namespaces são uma idéia estupenda – vamos fazer mais deles!
PEP 20 - Zen of Python
Um conjunto de caracteres organizados.
Strings são apenas 1 dos tipos de dados do Python:
# 'Python' é uma string
# Exibir uma string em tela
print('python')
# variável contendo uma string
a = 'python'
Coisas que podemos fazer com strings
# concatenação
a = 'Isso é '
b = 'uma string'
c = a + b
# Upper/lower
print(a.lower()) # 'isso é '
print(b.upper()) # 'Uma string'
# Slicing
print(c[0:4])
# Formatação
print('isso é %s' % 'formatação')
print('também pode ser {}'.format('assim'))
print('ou assim {texto}'.format(texto='utilizando variaveis'))
a = 'f-string'
print(f'ou utilizando {a}')
Operador | Operação | Exemplo |
---|---|---|
** | Exponenciação | 2 ** 3 |
% | Módulo | 22 % 8 |
// | Divisão inteira | 22 // 8 |
/ | Divisão | 22 / 8 |
* | Multiplicação | 3 * 3 |
- | Subtração | 5 - 2 |
+ | Soma | 2 + 2 |
>>> (5 - 1) * ((7 + 1) / (3 - 1)) - 2 ** 3
8.0
Um conjunto de elementos organizados.
Listas suportam dados de múltiplos tipos!!
# Listas possuem mais de um elemento
lista_de_compras = ['café', 'mais café', 'chá']
# Exibindo pelo índice
print(lista_de_compras[0])
# As operações que podiam ser feitas em strings também pode ser feitas em listas!!!
São mutáveis, podem ser ordenadas, e criadas com "[]" ou list().
São imutáveis, não podem ser ordenadas. Criadas utilizando "()" ou tuple().
A grande maioria das operações que vimos em uma lista se aplicam para tuplas.
Dados organizados por chave:valor.
Dicionários, junto com listas são estruturas extremamente poderosas
lista_de_compras = {
'arroz': 1,
'feijao': 2,
'tomate': 5,
'cebola': 2
}
# valores de dicionários são acessados por sua chave
print(lista_de_compras['arroz'])
# podemos checar a existência de uma chave
'alface' in lista_de_compras
Isso e verdade?
if 2 > 1:
print('Matemática ainda funciona')
# IFs também podem ser encadeados
# e também podemos checar o vazio
if lista == []:
print('essa lista está vazia')
# Caso especial
if __name__ == "__main__":
# do magic!
Operador | Significado |
---|---|
== | Igual |
!= | Diferente |
< | Menor que |
> | Maior que |
<= | Menor ou igual |
>= | Maior ou igual |
Processos repetitivos de operações.
Laços são úteis para:
equanto dias_para_entrega > 1:
fazer_trabalho = False
For Loop executa por "n" vezes
# utilizando um iterável
for number in range(5):
print(number)
# utilizando listas
for number in [1, 2, 3, 4, 5]:
print(number ** 2)
# e dicionários
a_dict = {"one":1, "two":2, "three":3}
for key in a_dict:
print(key)
While Loop executa até uma condição ser atendida
# utilizando umaa variável de controle
i = 0
while i < 5:
print(i)
i += 1
# flow control
i = 0
while i < 10:
if i == 3:
i += 1
continue
print(i)
if i == 5:
break
i += 1
A criação de listas de maneira simplificada.
# gerando uma lista de 1 a 5
x = [i for i in range(5)]
# Conversão de listas
x = ['1', '2', '3', '4', '5']
y = [int(i) for i in x]
# Matriz para vetor
vec = [[1,2,3], [4,5,6], [7,8,9]]
vec = [num for elem in vec for num in elem]
# De maneira similar, podemos criar Dicionários utilizando esse mecanismo
O que fazer quando temos erros?
# 1/0 ?
try:
print(1/0)
except ZeroDivisionError:
print("You cannot divide by zero!")
# finally?
my_dict = {"a":1, "b":2, "c":3}
try:
value = my_dict["d"]
except KeyError:
print("A KeyError occurred!")
finally:
print("Finally it's over!")
# Assim como o for, podemos usar o else
import os
handle = open("test.txt", "r") # abrimos o arquivo para leitura
for line in handle:
print(line) # exibimos cada linha
handle.close() # fechamos o arquivo
# usando with
with open("test.txt") as file_handler:
for line in file_handler:
print(line)
# Erros de arquivo
try:
file_handler = open("test.txt")
for line in file_handler:
print(line)
except IOError:
print("An IOError has occurred!")
finally:
file_handler.close()
Funções são blocos definidos por nós
construimos funções porque queremos uma maior flexibilidade do nosso código.
# declaramos uma função utilizando o def
def add(a, b):
"""Função de soma
Arguments:
a {int} -- primeiro argumento
b {int} -- segundo argumento
Returns:
int -- soma dos dois números
"""
return a + b
Tudo em Python é um objeto
# criar uma classe é muito fácil
class Veiculo:
"""docstring"""
def __init__(self):
"""Construtor"""
pass
def __init__(self, cor, tipo, portas, marca, preco):
"""Construtor com atributos"""
self.cor = cor
self.tipo = tipo
self.portas = portas
self.marca = marca
self.preco = preco
def frear(self):
"""método de uma classe"""
return f'{self.nome} está freando'
def dirigir(self):
"""método para dirigir"""
return f'Estou dirigindo um {self.nome} {self.cor}'
if __name__ == "__main__":
# instanciando
carro = Veiculo('blue', 'carro', 4, 'Honda', 15000)
# chamando métodos
print(carro.frear())
print(carro.dirigir())
Subclasses são especializações de classes
class Carro(Veiculo):
"""
Classe Carro
"""
def frear(self):
"""
Override de método
"""
return f'O carro {self.cor} está freando'
if __name__ == "__main__":
carro = Carro('preto', 'carro', 4, 'Toyota', 10000)
print(carro.frear())
carro.dirigir()
Pacotes com funções, classes e variáveis que podemos utilizar em nosso código.
Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython;
rbsfcruz@gmail.com
Robson Cruz
@deadpyxel