Python-Prova AVA 2 - exercícios corrigidos

Prévia do material em texto

1)
Qual biblioteca Python é frequentemente usada para manipulação e análise de dados tabulares?
Alternativas:
· a)
Flask.
· b)
NumPy.
· c)X
Pandas.
· d)
pygame.
· e)
Scikit-learn
1. A biblioteca Python mais utilizada para manipulação e análise de dados tabulares é:
c) Pandas.
Por quê?
· DataFrames: O Pandas oferece uma estrutura de dados chamada DataFrame que é extremamente eficiente para representar dados tabulares de forma similar a uma planilha.
· Facilidade de uso: A biblioteca possui uma sintaxe intuitiva e funções poderosas para realizar diversas operações como:
· Leitura e escrita de dados em diversos formatos (CSV, Excel, etc.)
· Seleção, filtragem e ordenação de dados
· Agrupamento e agregação de dados
· Cálculos estatísticos
· Manipulação de índices
· E muito mais
· Integração com outras bibliotecas: O Pandas se integra bem com outras bibliotecas populares de Python como NumPy (para cálculos numéricos) e Matplotlib (para visualização de dados).
As outras opções e por que não são a melhor escolha para manipulação de dados tabulares:
· Flask: É um framework web utilizado para criar aplicações web.
· NumPy: É uma biblioteca para computação numérica, excelente para trabalhar com arrays e matrizes, mas não oferece as mesmas funcionalidades específicas para dados tabulares que o Pandas.
· pygame: É uma biblioteca para criar jogos.
· Scikit-learn: É uma biblioteca para aprendizado de máquina, utilizada para construir modelos preditivos.
Em resumo:
Se você precisa trabalhar com dados tabulares em Python, o Pandas é a biblioteca mais adequada devido à sua facilidade de uso, performance e ampla gama de funcionalidades.
Exemplo:
Python
import pandas as pd
# Lendo um arquivo CSV
df = pd.read_csv('dados.csv')
# Visualizando as primeiras 5 linhas
print(df.head())
# Calculando a média de uma coluna
media = df['idade'].mean()
print(media)
2)
Qual biblioteca Python é comumente usada para criar gráficos e visualizações de dados?
Alternativas:
· a)
sqlite3.
· b)
Pandas.
· c)
NumPy.
· d)X
matplotlib.
· e)
Requests.
1. A biblioteca Python ideal para criar gráficos e visualizações de dados é:
d) matplotlib.
Por quê?
· Versatilidade: O matplotlib é uma biblioteca extremamente versátil que permite criar uma grande variedade de gráficos, desde simples gráficos de linha até complexos gráficos 3D e mapas.
· Customização: Oferece um alto nível de customização, permitindo que você ajuste cores, estilos, rótulos e outros elementos visuais de acordo com suas necessidades.
· Base para outras bibliotecas: Muitas outras bibliotecas de visualização de dados, como o Seaborn, são construídas sobre o matplotlib, o que significa que aprender matplotlib te dará uma base sólida para utilizar outras ferramentas.
As outras opções e por que não são a melhor escolha para visualizações:
· a) sqlite3: É uma biblioteca para interagir com bancos de dados SQLite.
· b) Pandas: É excelente para manipulação e análise de dados, mas não é a ferramenta primária para criar gráficos.
· c) NumPy: É utilizada para cálculos numéricos e operações com arrays.
· e) Requests: É usada para fazer requisições HTTP.
Exemplo básico com matplotlib:
Python
import matplotlib.pyplot as plt
import numpy as np
# Criando dados de exemplo
x = np.linspace(0, 10, 100)
y = np.sin(x)
# Plotando um gráfico de linha
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.title('Gráfico de seno')
plt.show()
Use o código com cuidado.
Em resumo:
O matplotlib é a biblioteca padrão para criar gráficos em Python. Sua flexibilidade e ampla gama de funcionalidades fazem dele uma ferramenta essencial para qualquer cientista de dados ou desenvolvedor que precise visualizar dados.
3)
Qual biblioteca Python é amplamente usada para trabalhar com bancos de dados relacionais como SQLite?
Alternativas:
· a)
NumPy.
· b)
Pandas.
· c)
matplotlib.
· d)X
sqlite3.
· e)
Flask.
2. A biblioteca Python mais utilizada para interagir com bancos de dados relacionais como SQLite é:
d) sqlite3.
Por quê?
· Integração nativa: A biblioteca sqlite3 é uma biblioteca padrão do Python, o que significa que ela já vem incluída na instalação do Python e não requer instalação adicional.
· Facilidade de uso: A sqlite3 fornece uma interface simples e intuitiva para criar, conectar e executar consultas em bancos de dados SQLite.
· SQLite: O SQLite é um sistema de gerenciamento de banco de dados leve e sem servidor, ideal para pequenas aplicações e projetos onde não se exige um banco de dados de grande porte.
As outras opções e porquê não são a melhor escolha para bancos de dados relacionais:
· a) NumPy: É utilizado para computação numérica e operações com arrays.
· b) Pandas: É excelente para manipulação e análise de dados, mas não é a ferramenta primária para interagir com bancos de dados.
· c) matplotlib: É utilizado para criar gráficos e visualizações de dados.
· e) Flask: É um framework web para criar aplicações web.
Exemplo básico com sqlite3:
Python
import sqlite3
# Conectando ao banco de dados (cria se não existir)
conn = sqlite3.connect('meu_banco.db')
# Criando um cursor para executar comandos SQL
cursor = conn.cursor()
# Criando uma tabela
cursor.execute('''CREATE TABLE usuarios (
 id INTEGER PRIMARY KEY AUTOINCREMENT,
 nome TEXT,
 email TEXT
 )''')
# Inserindo um registro
cursor.execute("INSERT INTO usuarios (nome, email) VALUES (?, ?)", ('João', 'joao@example.com'))
# Commitando as alterações
conn.commit()
# Fechando a conexão
conn.close()
Use o código com cuidado.
Quando usar outras bibliotecas:
· SQLAlchemy: Para uma interface mais abstrata e flexível, permitindo trabalhar com diversos bancos de dados relacionais.
· psycopg2: Para interagir com bancos de dados PostgreSQL.
Em resumo:
A biblioteca sqlite3 é a escolha ideal para trabalhar com bancos de dados SQLite em Python devido à sua simplicidade e integração nativa. No entanto, para projetos mais complexos ou que envolvam outros bancos de dados, outras bibliotecas como SQLAlchemy ou psycopg2 podem ser mais adequadas.
4)
Quando você precisa criar gráficos interativos para explorar dados de forma dinâmica em Python, qual biblioteca é mais adequada?
Alternativas:
· a)
Matplotlib, que é ótima para gráficos estáticos e básicos.
· b)
Seaborn, que fornece uma interface de alto nível para gráficos estatísticos.
· c)X
Plotly, que oferece gráficos interativos e ferramentas para explorar dados dinamicamente.
· d)
Pandas, que é utilizada para manipulação de dados e não para visualizações.
· e)
SQLite3, que é uma biblioteca para gerenciamento de banco de dados, não para visualizações.
3. Qual biblioteca Python é mais adequada para gráficos interativos?
A resposta correta é:
· c) Plotly: oferece gráficos interativos e ferramentas para explorar dados dinamicamente.
Explicação detalhada:
· Plotly:
· Interatividade: Permite criar gráficos que respondem à interação do usuário, como zoom, pan, hover e seleção de pontos.
· Diversidade de gráficos: Suporta uma ampla variedade de tipos de gráficos, desde os mais básicos até os mais complexos, como gráficos 3D, mapas e gráficos financeiros.
· Personalização: Oferece um alto nível de personalização para que você possa criar gráficos personalizados e visualmente atraentes.
· Integração: Pode ser integrado a notebooks Jupyter, aplicações web e dashboards, facilitando a compartilhamento de seus visualizações.
Por que as outras opções não são as mais adequadas:
· a) Matplotlib: Embora seja uma biblioteca poderosa para gráficos, ela é mais voltada para gráficos estáticos e pode exigir mais código para criar gráficos interativos.
· b) Seaborn: Construída sobre o Matplotlib, o Seaborn facilita a criação de gráficos estatísticos, mas também é mais focada em gráficos estáticos.
· d) Pandas: É excelente para manipulação de dados, mas não é uma biblioteca de visualização.
· e) SQLite: É um sistema de gerenciamento de banco de dados, não relacionado à visualização de dados.
Em resumo:
Se você precisa criar gráficosinterativos e explorar seus dados de forma dinâmica em Python, o Plotly é a biblioteca mais indicada. Sua facilidade de uso, variedade de gráficos e recursos interativos fazem dele uma ferramenta poderosa para visualizar e analisar dados.
Outras bibliotecas para explorar:
· Bokeh: Outra excelente opção para gráficos interativos, especialmente para aplicações web.
· Altair: Uma biblioteca declarativa para criar gráficos elegantes e interativos.
Exemplo simples com Plotly:
Python
import plotly.express as px
# Criando um DataFrame de exemplo
df = px.data.iris()
# Criando um gráfico de dispersão interativo
fig = px.scatter(df, x="sepal_length", y="sepal_width", color="species")
fig.show()
Use o código com cuidado.
Este código irá gerar um gráfico de dispersão interativo, onde você poderá explorar os dados movendo o mouse sobre os pontos e zoomando na área de interesse.
5)
Qual dos seguintes conceitos é fundamental para criar uma aplicação web com Python?
Alternativas:
· a)
Compilação.
· b)X
Servidor Web.
· c)
Banco de Dados Relacional.
· d)
Processamento de Imagem.
· e)
Análise Estatística.
4. Qual conceito é fundamental para criar uma aplicação web com Python?
A resposta correta é: b) Servidor Web.
Por quê?
Um servidor web é essencial para qualquer aplicação web, independentemente da linguagem de programação utilizada. Ele é responsável por:
· Receber requisições: Quando um usuário digita um endereço web em seu navegador, ele está enviando uma requisição ao servidor.
· Processar as requisições: O servidor recebe a requisição, processa as informações e gera uma resposta.
· Enviar a resposta: A resposta gerada pelo servidor é enviada de volta ao navegador do usuário, que a exibe na tela.
Por que as outras opções não são tão fundamentais?
· a) Compilação: Python é uma linguagem interpretada, ou seja, o código é executado diretamente pelo interpretador, sem a necessidade de compilação prévia.
· c) Banco de dados relacional: Embora muitos aplicativos web utilizem bancos de dados relacionais para armazenar informações, eles não são estritamente necessários. Uma aplicação web simples pode funcionar sem um banco de dados.
· d) Processamento de imagem: O processamento de imagem é uma funcionalidade específica que pode ser utilizada em algumas aplicações web, mas não é um requisito básico.
· e) Análise estatística: A análise estatística também é uma funcionalidade específica que pode ser utilizada em algumas aplicações web, mas não é um requisito básico.
Outros conceitos importantes para o desenvolvimento web com Python:
· Frameworks web: Facilitam o desenvolvimento de aplicações web, fornecendo uma estrutura pronta com ferramentas e funcionalidades comuns, como Django e Flask.
· HTML, CSS e JavaScript: São as linguagens padrão para criar a interface do usuário de uma página web.
· Protocolo HTTP: Define como o navegador e o servidor se comunicam.
· Roteamento: Mecanismo que associa as URLs às funções do seu aplicativo.
· Modelos de dados: Representam a estrutura dos dados que serão armazenados e manipulados pela aplicação.
Em resumo:
O servidor web é o coração de qualquer aplicação web, pois ele é responsável por receber e responder às requisições dos usuários. Ao entender o papel do servidor web e os outros conceitos mencionados, você estará bem preparado para iniciar o desenvolvimento de suas próprias aplicações web com Python.
1)
 
Qual biblioteca Python é frequentemente usada para manipulação e análise de 
dados tabulares?
 
 
Alternativas:
 
·
 
a)
 
Flask.
 
·
 
b)
 
NumPy.
 
·
 
c)
X
 
Pandas.
 
·
 
d)
 
pygame.
 
·
 
e)
 
Scikit
-
learn
 
 
1.
 
A biblioteca Python mais utilizada para 
manipulação e análise de 
dados tabulares é:
 
c) Pandas.
 
 
 
Por quê?
 
·
 
DataFrames:
 
O Pandas oferece uma estrutura de dados chamada 
DataFrame
 
que é extremamente eficiente para representar dados 
tabulares de forma similar a uma planilha.
 
·
 
Facilidade de uso:
 
A biblioteca possui uma sintaxe intuitiva e funções 
poderosas para realizar diversas operações como:
 
o
 
Leitura e escrita de dados em diversos f
ormatos (CSV, Excel, 
etc.)
 
o
 
Seleção, filtragem e ordenação de dados
 
o
 
Agrupamento e agregação de dados
 
o
 
Cálculos estatísticos
 
o
 
Manipulação de índices
 
o
 
E muito mais
 
1) 
Qual biblioteca Python é frequentemente usada para manipulação e análise de 
dados tabulares? 
 
Alternativas: 
 
a)
 
Flask. 
 
b)
 
NumPy. 
 
c)X
 
Pandas. 
 
d)
 
pygame. 
 
e)
 
Scikit-learn 
 
1. A biblioteca Python mais utilizada para manipulação e análise de 
dados tabulares é: 
c) Pandas. 
 
 
Por quê? 
 DataFrames: O Pandas oferece uma estrutura de dados chamada 
DataFrame que é extremamente eficiente para representar dados 
tabulares de forma similar a uma planilha. 
 Facilidade de uso: A biblioteca possui uma sintaxe intuitiva e funções 
poderosas para realizar diversas operações como: 
o Leitura e escrita de dados em diversos formatos (CSV, Excel, 
etc.) 
o Seleção, filtragem e ordenação de dados 
o Agrupamento e agregação de dados 
o Cálculos estatísticos 
o Manipulação de índices 
o E muito mais