SEBENTA DE PYTHON

Guia prático de Python para iniciantes, análise de dados e automação

Nível Básico a Intermédio

Objetivo Construir uma base sólida em programação Python

Foco Lógica, dados, funções, ficheiros, Pandas e análise de dados

Aplicação Administração, Logística, Finanças e Data Analytics

A ideia central desta sebenta é aprender Python pela prática: entender a

lógica, escrever pequenos programas, trabalhar com dados e automatizar
tarefas.

Sebenta de Python Página 1

 1. O que é Python?
Conceito
Python é uma linguagem de programação de alto nível, conhecida pela sintaxe relativamente simples e
pelo grande ecossistema de bibliotecas.

Por que aprender?

Python é utilizado em automação, análise de dados, inteligência artificial, desenvolvimento web, ciência
de dados e muitas outras áreas.

Para análise de dados

Python é especialmente útil quando combinado com bibliotecas como Pandas, NumPy, Matplotlib e outras
ferramentas do ecossistema de dados.

DICA DE OURO: Não tente aprender Python apenas decorando sintaxe. Escreva código todos os dias e
aplique cada conceito a pequenos problemas reais.

2. Primeiro programa
Código
print("Olá, mundo!")

Explicação
A função print() apresenta informação no ecrã. É um dos primeiros comandos que deve aprender.

Comentário
# Este é um comentário

Dica
Comentários servem para explicar o código e não são executados pelo Python.

3. Variáveis
Conceito
Uma variável é um nome associado a um valor.

Exemplos
nome = "Milton" idade = 25 salario = 600000

Regra
Os nomes das variáveis devem ser claros. Prefira salario_base em vez de s.

Boa prática
Use snake_case para nomes compostos, por exemplo total_vendas.

4. Tipos de dados
String
nome = "João"

Inteiro
idade = 25

Sebenta de Python Página 2

 Float
preco = 1500.50

Booleano
ativo = True

Lista
produtos = ["Arroz", "Açúcar", "Feijão"]

Dicionário
funcionario = {"nome": "João", "salario": 500000}

5. Operadores
Aritméticos
+ soma, − subtração, * multiplicação, / divisão, // divisão inteira, % resto e ** potência.

Comparação
== igual, != diferente, > maior, < menor, >= maior ou igual, <= menor ou igual.

Lógicos
and, or e not permitem combinar condições.

Exemplo
salario > 500000 and departamento == 'Logística'

6. Strings
Acesso
nome = "Python"; nome[0] devolve "P".

Fatiamento
nome[0:3] devolve "Pyt".

Maiúsculas
[Link]()

Minúsculas
[Link]()

Remover espaços
[Link]()

Substituir
[Link]("a", "o")

F-strings
nome = "João"; salario = 500000; print(f"{nome} recebe {salario} Kz.")

7. Entrada de dados
input()
nome = input("Digite o seu nome: ")

Sebenta de Python Página 3

 Atenção
input() devolve texto. Para receber um número, é necessário converter o valor.

Conversão
idade = int(input("Digite a idade: "))

8. Conversão de tipos
int()
int("25")

float()
float("25.5")

str()
str(25000)

Exemplo
quantidade = int("10"); preco = float("1500.50"); total = quantidade * preco

9. Condições
if
if salario >= 500000:
print("Salário elevado")

if / else
if stock > 0:
print("Disponível")
else:
print("Sem stock")

elif
if nota >= 14:
print("Bom")
elif nota >= 10:
print("Suficiente")
else:
print("Reprovado")

Importante
A indentação faz parte da sintaxe do Python. O bloco de código deve estar corretamente recuado.

10. Ciclo for

Conceito
for é usado para percorrer sequências ou repetir uma operação.

Exemplo
for produto in ["Arroz", "Açúcar", "Feijão"]:
print(produto)

Sebenta de Python Página 4

 range()
for i in range(5):
print(i)

Aplicação
É útil para percorrer listas, processar registos e repetir operações.

11. Ciclo while

Conceito
while repete um bloco enquanto uma condição for verdadeira.

Exemplo
contador = 1
while contador <= 5:
print(contador)
contador += 1

Cuidado
Garanta que a condição pode tornar-se falsa para evitar um ciclo infinito.

12. Listas
Criar
produtos = ["Arroz", "Açúcar", "Feijão"]

Adicionar
[Link]("Óleo")

Remover
[Link]("Açúcar")

Ordenar
[Link]()

Tamanho
len(produtos)

Acesso
produtos[0]

Dica
Listas são estruturas fundamentais para armazenar coleções de valores.

13. Tuplos e conjuntos

Tuplo
coordenadas = (10, 20)

Conjunto
categorias = {"Alimentar", "Bebidas", "Limpeza"}

Sebenta de Python Página 5

 Diferença
Tuplos são imutáveis. Conjuntos não mantêm elementos duplicados e são úteis para operações de
conjunto.

14. Dicionários
Estrutura
funcionario = {"nome": "João", "cargo": "Assistente", "salario": 500000}

Acesso
funcionario["nome"]

Adicionar
funcionario["departamento"] = "Logística"

Itens
[Link]()

Aplicação
Dicionários são muito úteis para representar registos estruturados.

15. Funções
Conceito
Funções agrupam instruções que podem ser reutilizadas.

Exemplo
def calcular_total(quantidade, preco):
return quantidade * preco

Utilização
total = calcular_total(10, 1500)

Boa prática
Crie funções pequenas, com nomes claros e uma responsabilidade bem definida.

16. Tratamento de erros

try / except
try:
numero = int(input("Número: "))
except ValueError:
print("Valor inválido")

Por que usar?

Evita que um programa termine inesperadamente devido a entradas inválidas ou outros erros previstos.

Boa prática
Trate erros específicos sempre que possível.

17. Ficheiros

Sebenta de Python Página 6

 Abrir
with open("[Link]", "r", encoding="utf-8") as arquivo:
conteudo = [Link]()

Escrever
with open("[Link]", "w", encoding="utf-8") as arquivo:
[Link]("Olá")

Boa prática
Use with para garantir que o ficheiro seja corretamente fechado.

18. Módulos e bibliotecas

Importar
import math

Exemplo
[Link](25)

Importação específica
from math import sqrt

Conceito
Bibliotecas permitem aproveitar código já desenvolvido em vez de criar tudo do zero.

19. NumPy
Objetivo
NumPy é uma biblioteca fundamental para computação numérica em Python.

Array
import numpy as np
valores = [Link]([10, 20, 30])

Média
[Link](valores)

Soma
[Link](valores)

Aplicação
É muito utilizada como base para operações numéricas e análise de dados.

20. Pandas
Conceito
Pandas é uma das principais bibliotecas para manipulação e análise de dados tabulares.

DataFrame
import pandas as pd
df = [Link]({"Produto": ["Arroz", "Açúcar"], "Quantidade": [20, 15]})

Primeiras linhas
[Link]()

Sebenta de Python Página 7

 Informação
[Link]()

Estatísticas
[Link]()

Colunas
[Link]

Filtro
df[df["Quantidade"] > 10]

DICA DE OURO: Não tente aprender Python apenas decorando sintaxe. Escreva código todos os dias e
aplique cada conceito a pequenos problemas reais.

21. Ler ficheiros Excel e CSV

Excel
df = pd.read_excel("[Link]")

CSV
df = pd.read_csv("[Link]")

Guardar Excel
df.to_excel("[Link]", index=False)

Guardar CSV
df.to_csv("[Link]", index=False)

Aplicação
Este é um dos pontos em que Python pode complementar Excel e Power Query.

22. Limpeza de dados com Pandas

Valores nulos
[Link]().sum()

Remover nulos
[Link]()

Preencher nulos
df["Quantidade"] = df["Quantidade"].fillna(0)

Duplicados
df.drop_duplicates()

Renomear colunas
[Link](columns={"Qtd": "Quantidade"})

Tipos
[Link]

23. Agrupamento e análise

Sebenta de Python Página 8

 Agrupar
[Link]("Produto")["Vendas"].sum()

Média
[Link]("Produto")["Vendas"].mean()

Ordenar
df.sort_values("Vendas", ascending=False)

Contar
df["Produto"].value_counts()

Aplicação
Essas operações são fundamentais para construir análises e indicadores.

24. Visualização de dados

Matplotlib
import [Link] as plt

Gráfico simples
[Link](["Arroz", "Açúcar"], [300000, 200000])
[Link]()

Linha
[Link]([1, 2, 3], [100, 150, 130])

Objetivo
Transformar dados em gráficos para facilitar interpretação e comunicação.

25. Python aplicado à Logística

Stock
Pode calcular stock atual, consumo médio, reposição e indicadores.

Ficheiros
Pode consolidar automaticamente vários ficheiros de stock ou vendas.

Análise
Pode identificar produtos com maior saída, rupturas e tendências.

Automação
Pode gerar relatórios repetitivos e processar grandes volumes de dados.

DICA DE OURO: Não tente aprender Python apenas decorando sintaxe. Escreva código todos os dias e
aplique cada conceito a pequenos problemas reais.

26. Python aplicado à Administração

Relatórios
Automatização de tarefas repetitivas de tratamento e consolidação.

Excel
Leitura, tratamento e geração de ficheiros Excel.

Sebenta de Python Página 9

 Documentos
Automação de processos administrativos com bibliotecas adequadas.

Dados
Criação de indicadores e análises periódicas.

27. Estrutura de um pequeno projeto

Organização
Separe dados, código e resultados sempre que possível.

Exemplo
projeto/
dados/
scripts/
resultados/
[Link]

Boa prática
Use nomes de ficheiros claros e mantenha uma estrutura previsível.

28. Erros comuns de iniciantes

Indentação
Misturar níveis de indentação causa erros. Mantenha o código organizado.

Nomes
Evite nomes confusos como x1, x2 e y. Prefira nomes que expliquem o conteúdo.

Tipos
Não assuma que um número guardado como texto se comportará como número.

Repetição
Quando o mesmo bloco aparece muitas vezes, avalie criar uma função.

Código sem teste

Teste pequenas partes antes de construir programas maiores.

29. Plano de estudo recomendado

Fase 1
Sintaxe, variáveis, tipos, operadores e strings.

Fase 2
Condições, ciclos, listas, tuplos, conjuntos e dicionários.

Fase 3
Funções, módulos, ficheiros e tratamento de erros.

Fase 4
NumPy, Pandas e limpeza de dados.

Fase 5
Visualização, Excel, automação e projetos.

Sebenta de Python Página 10

 Fase 6
Projetos reais ligados à área profissional.

DICA DE OURO: Não tente aprender Python apenas decorando sintaxe. Escreva código todos os dias e
aplique cada conceito a pequenos problemas reais.

30. Projeto final sugerido

Projeto
Criar um pequeno sistema de análise de vendas.

Dados
Data, Produto, Categoria, Quantidade, Preço, Região e Vendedor.

Etapas
Ler o Excel, limpar dados, calcular faturamento, agrupar vendas, identificar os produtos mais vendidos e
gerar gráficos.

Resultado
Gerar um ficheiro Excel com resultados e um resumo dos principais indicadores.

Sebenta de Python Página 11

 31. Código de exemplo, análise simples de vendas
import pandas as pd

df = pd.read_excel("[Link]")

df["Faturamento"] = df["Quantidade"] * df["Preco"]

resumo = (
[Link]("Produto")["Faturamento"]
.sum()
.sort_values(ascending=False)
)

print(resumo)

resumo.to_excel("resumo_vendas.xlsx")

Este exemplo representa um fluxo básico de análise: importar os dados, criar uma métrica, agrupar os
resultados, ordenar e exportar o resumo.

32. Conceitos que deve dominar

Fundamentos Variáveis, tipos, operadores, strings

Lógica if, elif, else, for, while

Estruturas Listas, tuplos, conjuntos, dicionários

Reutilização Funções e módulos

Dados NumPy e Pandas

Ficheiros Excel, CSV e texto

Análise Filtros, agrupamentos e estatística básica

Visualização Matplotlib

Automação Scripts e processamento repetitivo

Conclusão
Python torna-se especialmente poderoso quando é utilizado para resolver problemas concretos. Para
quem trabalha com Excel, Power Query, Power BI e análise de dados, uma boa sequência é dominar
primeiro a linguagem básica, depois Pandas e finalmente projetos de automação e análise. A prática
constante é mais importante do que tentar aprender tudo de uma vez.

Próximo nível: depois desta sebenta, avance para NumPy, Pandas em profundidade, Matplotlib, automação
de Excel, APIs, SQL e projetos completos de Data Analytics.

Sebenta de Python Página 12