WBA0469_v2.
Análise de dados
Programação de computadores na
análise de dados
Programação na análise de dados
Bloco 1
Anderson Emidio de Macedo Gonçalves
Vamos refletir?
Ao considerarmos o uso da linguagem de
programação Python na análise de dados, é
importante refletir sobre o poder transformador
que essa ferramenta oferece. Ao mergulhar no
universo da linguagem Python, além de dominar as
técnicas e ferramentas disponíveis, é necessário
cultivar uma mentalidade crítica e questionadora.
Devemos nos perguntar não apenas como podemos
analisar os dados, mas também porque estamos
fazendo isso e qual impacto esperamos alcançar.
Introdução
O nome da linguagem de Monty Python's Flying Circus
programação Python não foi
inspirado na cobra, mas em
uma série de comédia
britânica, chamada Monty
Python's Flying Circus.
O criador do Python, Guido
Van Rossum, era fã da série.
Fonte: [Link]
commons/thumb/0/03/Monty_Python_O2_Arena
.jpg/1200px-Monty_Python_O2_Arena.jpg.
Python é de fácil entendimento
Muitas universidades e cursos Linguagem Python
online utilizam Python como a
primeira linguagem de
programação ensinada aos
alunos.
Sintaxe simples.
Fácil execução.
Fonte: [Link]
7/07/37/snake-6158325_640.png.
Comunidade de desenvolvedores
Possui uma das comunidades Dev community
de desenvolvimento mais
ativas e acolhedoras, com
milhares de bibliotecas e
frameworks disponíveis para
ajudar os desenvolvedores em
tarefas que incluem desde
o desenvolvimento web até
aprendizado de máquina. Fonte: [Link]
2/17/59/association-152746_640.png.
Aplicações diversificadas
Uma das linguagens mais Análise de dados
versáteis e é amplamente
utilizada em diversas áreas,
incluindo desenvolvimento
web, análise de dados,
automação, inteligência
artificial, aprendizado de
máquina, jogos e muito mais.
Fonte: [Link]
8/18/55/graph-3331238_640.png.
Python na NASA
Python é uma das linguagens NASA e Python
de programação usadas pela
NASA, devido sua
simplicidade e facilidade de
manutenção. É usada para
várias tarefas, desde análise
de dados e simulação até
controle de satélites e rovers.
Fonte: [Link]
8/1*s-kAD_tXGcLg5CrXdgvqng.jpeg.
Programação de computadores na
análise de dados
Linguagem Python: sintaxe, estrutura e
bibliotecas
Bloco 2
Anderson Emidio de Macedo Gonçalves
Introdução à linguagem python
Linguagem de programação de alto nível, poderosa e versátil,
com sintaxe simples e intuitiva, amplamente utilizada em
diversas áreas, como:
Desenvolvimento web.
Programação Python
Ciência de dados.
Inteligência Artificial.
Automação.
Scripting.
Fonte: [Link]
0fFP7qS5T5rQEYw=/640x360/smart/[Link].
Elementos básicos da sintaxe
Dominando os blocos de Implementação em Python
construção do Python:
• Tipos de dados: números,
strings, listas, dicionários
etc.
• Variáveis: armazenam
valores e identificam com
nomes. Fonte: adaptada via codificação no Python.
• Operadores: matemáticos,
lógicos, comparativos e de
atribuição.
Estruturas condicionais
Estruturas de seleção são Desvios condicionais
utilizadas em Python para
desviar a execução do código:
If else.
Operadores comparativos.
Fonte: adaptada via codificação no Python.
Operadores lógicos.
Estruturas de repetição
Repetição de uma instrução ou bloco de comandos dentro do
código-fonte. Os principais comandos de laços de repetições
são:
While: enquanto.
For: para faça.
Do while: faça enquanto.
Explorando o mundo do Python
O mundo da programação em Desenvolvimento de sistemas
Python é bem amplo e inclui:
• Ampla comunidade de
desenvolvedores e recursos
disponíveis.
• Tutoriais online, cursos e
documentação oficial.
• Bibliotecas e frameworks Fonte: [Link]
para diversas áreas de 14/18/07/programmer-3606210_640.png.
interesse.
• Projetos de código aberto
para contribuir e aprender.
Programação de computadores na
análise de dados
Ecossistema de software para análise de dados
Bloco 3
Anderson Emidio de Macedo Gonçalves
Desvendando o ecossistema de análise de dados
Python
O Python é uma solução completa para análise de dados,
incluindo:
Ampla variedade de bibliotecas.
Ferramentas de visualização.
Dashboards interativos.
Integração com outras ferramentas.
Explorando as bibliotecas essenciais
As bibliotecas na linguagem Bibliotecas em Python
de programação Python
auxiliam o desenvolvedor de
sistemas em sua
produtividade.
Fonte: [Link]
720/format:webp/0*[Link]
Visualização em Python
Características: Biblioteca em Python
• Matplotlib: gráficos de
linhas, barras, dispersão,
histogramas etc.
• Seaborn: gráficos com
estilos predefinidos e
paletas de cores. Fonte: [Link]
/format:webp/1*gM_WIfx7MXOO7jzsPm-[Link].
• Plotly: visualizações
interativas e 3D.
• Bokeh: dashboards
interativos e
personalizáveis.
Integração com outras ferramentas
O Python possui uma integração com outras ferramentas,
como:
Jupyter Notebook: ambiente para desenvolvimento e análise.
Apache Spark: processamento de grandes conjuntos de dados.
SQL: acesso e manipulação de dados em bancos de dados.
Dashboards interativos
Dash: framework para criação de dashboards interativos.
Plotly Dash: integração do Plotly com Dash para
visualizações avançadas.
Bokeh Server: plataforma para deploy de dashboards
interativos.
Bons estudos!
Programação de computadores na
análise de dados
Teoria em prática
Bloco 4
Anderson Emidio de Macedo Gonçalves
Reflita sobre a seguinte situação
Uma empresa varejista de calçados deseja entender melhor o
comportamento de suas vendas para tomar decisões estratégicas e
aumentar seus lucros. Para isso, a empresa possui um conjunto de dados
com informações sobre as vendas de cada loja, incluindo data, valor da
venda, tipo de calçado vendido, sexo do cliente, faixa etária do cliente e
região da loja.
Desafios:
• Identificar os produtos mais vendidos em cada loja e em cada região.
• Analisar a sazonalidade das vendas e identificar os períodos de maior e
menor movimento.
• Compreender o perfil dos clientes que compram em cada loja e em
cada região.
• Com base nos resultados da análise, propor ações estratégicas para
aumentar as vendas.
Norte para a resolução
• Por onde começar?
Passo 2 - Análise
Passo 1 - Importação Passo 3 - Padrões e Passo 4 - Proposição
exploratória
dos dados tendências de ações estratégicas
dos dados
• Importar o conjunto • Visualizar a • Identificar grupos • Promoções de
de dados no distribuição das de clientes com produtos com baixa
Python. vendas por loja, comportamentos rotatividade.
• Limpar os dados, região, tipo de semelhantes de • Expandir a oferta de
removendo valores calçado, sexo e faixa compra. produtos para
inconsistentes ou etária do cliente. • Analisar a grupos específicos
duplicados. • Calcular medidas sazonalidade das de clientes.
• Tratar valores descritivas, como vendas. • Investir em
ausentes e outliers. média, mediana, • Identificar os marketing
desvio padrão. produtos mais direcionado para
• Criar tabelas vendidos em cada alcançar os clientes
dinâmicas para loja e em cada com maior potencial
visualizar as vendas. região. de compra.
Norte para a resolução
Análise exploratória
Importação dos dados Padrões e tendências
dos dados
Proposição de ações
Desafios
estratégicas
Norte para a resolução
• Desafios que poderão surgir:
Identificar os produtos mais vendidos.
Analisar a sazonalidade das vendas e identificar os períodos de maior
e menor movimento.
Compreender o perfil dos clientes que compram em cada loja e em
cada região.
Com base nos resultados da análise, propor ações estratégicas para
aumentar as vendas.
Bons estudos!
Programação de computadores na
análise de dados
Consolidando o aprendizado
Bloco 5
Anderson Emidio de Macedo Gonçalves
Consolidando o aprendizado
Durante este conteúdo programático, abordamos os seguintes
assuntos:
• Programação na análise de dados.
• Linguagem Python: sintaxe, estrutura e bibliotecas.
• Ecossistema de software para análise de dados.
• Situação-problema: empresa varejista de calçados.
Quiz
O ecossistema de software para análise de dados engloba uma variedade de
ferramentas e tecnologias, que permitem coletar, processar, analisar e
visualizar dados de forma eficiente.
Diante desse contexto, qual é a característica fundamental do ecossistema
de software para análise de dados?
Assinale a alternativa correta.
Suporte exclusivo para análise de
A Integração com redes sociais. B imagens.
Capacidade de processamento de Foco apenas em análise estatística
C grandes volumes de dados. D básica.
Quiz
O ecossistema de software para análise de dados engloba uma variedade de
ferramentas e tecnologias, que permitem coletar, processar, analisar e
visualizar dados de forma eficiente.
Diante desse contexto, qual é a característica fundamental do ecossistema
de software para análise de dados?
Assinale a alternativa correta.
Suporte exclusivo para análise de
A Integração com redes sociais. B imagens.
Capacidade de processamento de Foco apenas em análise estatística
C grandes volumes de dados. D básica.
Quiz – Resolução
Resposta correta:
C. Capacidade de processamento de grandes volumes de
dados.
O ecossistema de software para análise de dados deve ser
capaz de lidar com grandes volumes de dados, pois é comum
lidar com conjuntos de dados extensos na análise de dados.
Ferramentas e plataformas que oferecem capacidade de
processamento escalável e eficiente são essenciais para
extrair insights significativos e úteis dos dados. Portanto, a
capacidade de processamento de grandes volumes de dados
é uma característica fundamental do ecossistema de
software para análise de dados.
Leitura Fundamental
Prezado estudante, as indicações a seguir podem estar disponíveis
em algum dos parceiros da nossa Biblioteca Virtual (faça o login por
meio do seu AVA), e outras podem estar disponíveis em sites
acadêmicos (como o SciELO), repositórios de instituições públicas,
órgãos públicos, anais de eventos científicos ou periódicos
científicos, todos acessíveis pela internet.
Isso não significa que o protagonismo da sua jornada de
autodesenvolvimento deva mudar de foco. Reconhecemos que
você é a autoridade máxima da sua própria vida e deve, portanto,
assumir uma postura autônoma nos estudos e na construção da sua
carreira profissional.
Por isso, nós o convidamos a explorar todas as possibilidades da
nossa Biblioteca Virtual e além! Sucesso!
Indicação de leitura 1
A obra indicada aborda conteúdos introdutórios sobre a
Linguagem de Programação Python. O capítulo 1 apresenta as
principais características da linguagem e a justificativa para
sua utilização. Confira para aprender um pouco mais a
respeito.
Referência:
NETTO, A.; MACIEL, F. Python para data science e machine learning
descomplicado. Rio de Janeiro: Alta Books, 2021.
Indicação de leitura 2
A obra indicada apresenta conteúdos específicos da
linguagem de programação Python para data science. O
capítulo 4, a partir da página 40, apresenta a plataforma do
Google para trabalhar como interpretador para a linguagem
Python. Confira para aprender um pouco mais a respeito.
Referência:
MUELLER, J. P.; MASSARON, L. Python para data science para leigos. Rio de
Janeiro: Alta Books, 2020.
Referências
AGRESTI, A.; FINLAY, B. Métodos estatísticos para as ciências sociais. Porto Alegre:
Penso, 2012.
MUELLER, J. P.; MASSARON, L. Python para data science para leigos. Rio de
Janeiro: Alta Books, 2020.
NETTO, A.; MACIEL, F. Python para data science e machine learning
descomplicado. Rio de Janeiro: Alta Books, 2021.
TRIOLA, M. F. Introdução à Estatística. 12. ed. Rio de Janeiro: Grupo GEN, 2017.
Bons estudos!