24/01/2026, 16:50 EBK_WBA1589_v1.

home home
print A- A A+

TEMA 1

INTRODUÇÃO A LINGUAGEM PYTHON

Autoria: Franciel Eduardo Rex
Leitura crítica: Frederico Araújo Rodrigues

[Link] 1/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

 OBJETIVOS
Compreender os principais fundamentos da linguagem Python.

Reconhecer estruturas de controle, coleções e operadores em Python.

Aplicar conceitos básicos de programação para contextos de SIG e modelagem computacional no geoprocessamento.

CONCEITOS E PRINCÍPIOS
A linguagem Python é uma das ferramentas mais acessíveis e poderosas para quem deseja automatizar tarefas, realizar análises e
desenvolver soluções dentro dos Sistemas de Informação Geográfica (SIG). De sintaxe simples, intuitiva e de ampla aplicabilidade, o
Python tornou-se indispensável para profissionais que trabalham com grandes volumes de dados e necessitam otimizar suas
atividades diárias. Segundo Sweigart (2016), essa linguagem destaca-se por sua simplicidade e legibilidade, sendo ideal para
iniciantes e aplicações complexas, incluindo automações em SIG.

Neste primeiro Tema, daremos os primeiros passos na programação com Python. Trataremos de aspectos fundamentais, como
variáveis, tipos de dados, operadores, estruturas condicionais e laços de repetição, e abordaremos a manipulação de strings, o que é
extremamente útil quando lidamos com nomes de arquivos, campos e atributos de feições espaciais.

Ao longo deste conteúdo, apresentaremos pequenos trechos de código com explicações passo a passo, promovendo uma introdução
sólida ao pensamento computacional necessário para o desenvolvimento de scripts mais complexos, a serem explorados nos
próximos Temas da disciplina.

1. O que é Python e por que utilizá-lo?

Python é uma linguagem de programação interpretada, de alto nível e com tipagem dinâmica, criada por Guido van Rossum no final
da década de 1980. A principal filosofia de Python é a legibilidade do código, com uma sintaxe que permite que programadores
expressem conceitos em menos linhas do que outras linguagens, como C++ ou Java. O processo de aprender a programar é uma
oportunidade excelente para exercitar a habilidade de resolver problemas (Downey, 2016, p. 9).

A linguagem foi projetada para ser extensível e embutível. Isso significa que é possível integrar código Python com outras linguagens
e sistemas, ampliando suas possibilidades de aplicação. Em geoprocessamento, essa capacidade é crucial para conectar bancos de
dados, APIs e plataformas SIG. O poder dos bancos de dados permite que façamos correlações com os dados e deles extraiamos
informações úteis (Nunes; Moura, 2018, p. 25)

Outros diferenciais de Python são sua comunidade ativa e sua vasta coleção de bibliotecas disponíveis, como NumPy, Pandas,
Matplotlib, GeoPandas, Rasterio, entre outras. Essas ferramentas tornam a linguagem extremamente poderosa para a análise espacial
e o processamento de grandes volumes de dados.

No contexto dos Sistemas de Informações Geográficas (SIG), Python é a linguagem oficial de personalização do QGIS e do ArcGIS,
que são os softwares mais utilizados na área de cartografia e processamento de dados geográficos. Sua aplicação varia desde
tarefas simples, como automatizar a geração de mapas, até o desenvolvimento de algoritmos complexos de análise espacial, como
classificação de uso e cobertura da terra, detecção de mudanças e modelagem preditiva de ocupação do solo.

Portanto, aprender Python é essencial para quem deseja aumentar sua eficiência e capacidade analítica no campo do
geoprocessamento.

2. Instalando Python e primeiros passos

Para utilizar Python, o usuário pode baixar o interpretador da linguagem diretamente do site oficial ([Link]) ou optar por
distribuições mais completas, como o Anaconda, que inclui o Jupyter Notebook e diversas bibliotecas úteis. A partir da instalação, é
possível criar pequenos programas diretamente no terminal ou em um editor de texto, como o Visual Studio Code. Segue um exemplo
simples:

print("Olá, mundo do geoprocessamento!")

[Link] 2/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

Após a instalação do Python ou do pacote Anaconda, é recomendável praticar em ambientes interativos como o Jupyter Notebook,
que permite combinar código, visualizações e anotações em um único arquivo. Esse ambiente é especialmente útil para testes
rápidos e documentação dos passos realizados, muito comum em projetos de análise espacial. Além disso, é possível trabalhar com
ambientes virtuais para isolar bibliotecas e evitar conflitos de dependências entre diferentes projetos. Veja como criar um ambiente
virtual:

python -m venv ambiente_sig

source ambiente_sig/bin/activate # Linux/Mac

ambiente_sig\Scripts\activate # Windows

Com o ambiente ativado, instale bibliotecas como GeoPandas, Rasterio, Fiona e Pyproj, essenciais para o tratamento de dados
espaciais.

3. Variáveis e tipos de dados

Variáveis armazenam valores e são essenciais para qualquer programação. Em Python, não é necessário declarar o tipo da variável,
pois a linguagem realiza isso automaticamente. Veja:

nome = "Área Urbana"

hectares = 125.6

ativo = True

Existem quatro tipos básicos de dados em Python: Inteiros (int) – representam números inteiros; pontos flutuantes (float) –
representam números decimais; texto (str) – cadeias de caracteres; e booleanos (bool) – valores lógicos de verdadeiro ou falso.

Esses elementos são constantemente utilizados na manipulação de atributos espaciais. Além dos tipos primitivos, temos as
coleções:

1. Listas: sequências mutáveis de objetos.

2. Tuplas: sequências imutáveis.

3. Dicionários: pares de chave-valor.

Essas estruturas serão muito utilizadas para manipular conjuntos de dados espaciais (informações georreferenciadas, como mapas
vetoriais ou imagens de satélite) e atributos de feições (dados associados a cada elemento espacial, como nome, área, tipo de uso
etc.).

3.1 Listas

São mutáveis:

biomas = ["Amazônia", "Cerrado", "Pampa"]

print(len(biomas)) # Quantidade de itens

print(biomas[1]) # Cerrado

3.2 Tuplas

São imutáveis, ideais para armazenar dados que não devem ser alterados:

coordenadas = (12.456, -49.320)

3.3 Dicionários
[Link] 3/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

Permitem armazenar pares de chave-valor:

município = {"nome": "Florianópolis", "população": 508826}

Essas estruturas são fundamentais quando tratamos arquivos GeoJSON, Banco de Dados Espaciais e Metadados de Feições.

4. Operadores e estruturas de decisão

Estruturas de decisão são blocos de código que controlam o fluxo da aplicação com base em condições lógicas. Segundo Cormen et
al. (2009), essas estruturas são fundamentais para expressar alternativas e tomar decisões durante a execução dos algoritmos.
Python permite o uso de operadores aritméticos (+, -, *, /), relacionais (==, !=, >, <) e lógicos (and, or, not) com muita facilidade. As
estruturas condicionais controlam o fluxo do código com base em decisões lógicas, por exemplo:

area = 150

if area > 100:

print("Área relevante")
else:
print("Área pequena")

Esse tipo de lógica é frequentemente usado para filtrar dados geográficos por critérios definidos.

O encadeamento de condições refere-se à combinação de múltiplos testes lógicos em uma única instrução “if”, utilizando operadores
compostos como “and” e “or”. O Python permite o encadeamento de condições e o uso de operadores compostos:

area = 700
uso = "agricultura"

if area > 500 and uso == "agricultura":

print("Área agrícola significativa")

Além disso, podemos usar operadores ternários para expressar decisões simples em uma única linha de código, por exemplo:

resultado = "aprovado" if nota >= 7 else "reprovado"

Outro recurso importante é a função match-case (a partir do Python 3.10), semelhante ao switch de outras linguagens, como C, Java e
JavaScript.

match uso:
case "pastagem":
print("Uso voltado à pecuária")
case "urbano":
print("Área urbanizada")
case _:
print("Uso não identificado")

5. Repetições e iterações
Os laços for e while são utilizados para executar blocos de código repetidamente. Isso é extremamente útil para processar vários
arquivos vetoriais ou raster de forma automática.

Dados vetoriais: representam objetos com geometria precisa (pontos, linhas e polígonos).

[Link] 4/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

Dados raster: são compostos por grades de células (pixels), normalmente usados para representar imagens e variáveis
contínuas, como uso do solo e altitude.

biomas = ["Amazônia", "Cerrado", "Pampa"]

for nome in biomas:

print("Processando:", nome)

6. Trabalhando com textos: manipulação de strings

Strings são sequências de caracteres utilizadas para armazenar nomes, descrições ou caminhos de arquivos. Veja:

camada = "Uso do solo"

print([Link]()) # USO DO SOLO

print([Link](" ", "_")) # Uso_do_solo

Essas manipulações são úteis na organização de projetos SIG e na criação de scripts de padronização de nomes. Strings são
onipresentes em geoprocessamento: nomes de arquivos, atributos, campos em bases vetoriais, expressões SQL e rotulagem de
mapas. Algumas funções incluem:

.strip() – Remove espaços:

nome = " mapa_uso "

print([Link]()) # "mapa_uso"

.split() – Quebra em partes:

linha = "latitude,longitude,classe"
dados = [Link](",")

.join() – Junta elementos:

itens = ["floresta", "cerrado", "pantanal"]

print(" - ".join(itens))

Expressões regulares com re também são comuns para padronização de nomes e filtros em grandes bases de dados.

7. Conclusão do conteúdo
Dominar os fundamentos da linguagem Python é um passo estratégico para quem atua com geotecnologias. A simplicidade da
linguagem, aliada ao seu potencial de aplicação, oferece ao profissional de SIG a capacidade de desenvolver soluções
personalizadas, ganhar tempo e aumentar a produtividade. A base adquirida neste primeiro Tema servirá de alicerce para os próximos
conteúdos, nos quais a integração com dados espaciais será aprofundada. A programação em Python abre portas para uma nova
forma de pensar e executar tarefas no geoprocessamento.

[Link] 5/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

Aprender a estruturar dados, controlar fluxos e manipular informações textuais é um passo fundamental para aplicar os próximos
temas com fluidez. Nos conteúdos seguintes, avançaremos para a aplicação prática do Python no SIG, explorando bibliotecas
específicas e a integração com softwares como QGIS, além do tratamento de dados vetoriais e raster.

DOS ESTUDOS AO MERCADO DE TRABALHO

Você está em uma equipe responsável por gerar relatórios semanais de desmatamento para órgãos ambientais. Com Python, é
possível automatizar a leitura dos arquivos shapefile, aplicar filtros por data e gerar mapas prontos para impressão com apenas
alguns cliques. O shapefile é um dos formatos mais utilizados para armazenar dados vetoriais geográficos. Desenvolvido pela ESRI,
ele permite representar feições espaciais como pontos, linhas e polígonos, junto com seus atributos. Além disso, ao dominar a
linguagem, você será capaz de integrar suas análises com dashboards interativos, bancos de dados espaciais e sistemas de alerta.

O conhecimento adquirido nesta disciplina amplia suas possibilidades profissionais, posicionando você como um profissional mais
completo, estratégico e atualizado.

Aprender Python é mais do que programar – é adquirir autonomia para criar soluções geoespaciais
inteligentes e personalizadas.

QUIZ
Qual das seguintes afirmações descreve melhor a principal filosofia da linguagem Python?

a. Ênfase na execução de código de alta performance, mesmo que a sintaxe seja complexa.

b. Priorização da tipagem estática para garantir a segurança do código em detrimento da legibilidade.

c. Foco na legibilidade do código, com uma sintaxe que permite expressar conceitos de forma clara e concisa.

d. Linguagem projetada exclusivamente para aplicações web, com pouca aplicabilidade em outras áreas.

e. Linguagem de baixo nível, ideal para programação de sistemas operacionais e drivers de hardware.

REFERÊNCIAS
CORMEN, T. H. et al. Introduction to Algorithms. 3. ed. Cambridge: MIT Press, 2009.

DOWNEY, A. B. Pense em Python: pense como um cientista da computação. 2. ed. São Paulo: Novatec, 2016.

NUNES, S. E.; MOURA, R. A. P. Programação em Banco de Dados. Maringá: UniCesumar, 2018. (Coleção Ciências Exatas e
Tecnológicas).

SWEIGART, A. l. Automatize tarefas maçantes com Python: programação prática para verdadeiros iniciantes. São Paulo: Novatec,
2016.

[Link] 6/7
24/01/2026, 16:50 EBK_WBA1589_v1.0

home

[Link] 7/7