27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.

ipynb - Colaboratory

pip freeze

Bibliotecas Python e Google Colab

Um dos grandes diferenciais do Python é a sua enorme variedade de bibliotecas que são úteis
para diversos tipos de aplicações. No Google Colab, várias delas já vem pré-instaladas, o que
torna fácil importá-las e aproveitar seus recursos.

Bibliotecas como Numpy, Pandas, Matplotlib e TensorFlow estão disponíveis, o que já é

suficiente para muitas pessoas programadoras. Porém, você não está limitado a isso, já que é
possível instalar outras bibliotecas que não estejam disponíveis por padrão.

Na aula de hoje, vamos estudar três bibliotecas que são fundamentais na análise de dados,
quaisquer que sejam as áreas de estudo.

Mas, antes, uma breve revisão de estatística básica:

Média aritmética

A média aritmética é a soma dos dados dividida pela quantidade de dados. É comumente
chamada apenas de “média”, apesar de ser uma das diversas médias matemáticas. Ela
representa uma medida da localização central dos dados.

Mediana

A mediana é uma medida robusta de localização central e é menos afetada por valores
discrepantes. Quando a quantidade de pontos de dados for ímpar, o valor de meio é retornado.
Quando o número de elementos for par, a mediana é calculada tomando-se a média entre os
dois valores no meio.

Moda

A moda (quando existe) é o valor mais repetido e serve como uma medida de localização
central.

Variância

Variância é uma medida de variabilidade (espalhamento ou dispersão) dos dados. Uma

variância grande indica que os dados são espalhados, uma variância menor indica que os
dados estão agrupados em volta da média.

Desvio padrão

É a raiz quadrada da variância amostral. Também representa uma idéia da dispersão dos dados
e, ao contrário da variância, está na mesma unidade dos dados.

statistics (https://docs.python.org/pt-br/dev/library/statistics.html)

Esse módulo fornece funções para o cálculo de estatísticas matemáticas de dados numéricos
(para valores do tipo Real). Ela destina-se ao nível de calculadoras gráficas e científicas.
https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 1/6
27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.ipynb - Colaboratory

#Primeiro passo: importar a biblioteca

import statistics

#Segundo passo: apresentar os dados

x = [20, 21, 23, 20, 21, 23, 20, 21, 23, 20, 22, 24, 20, 22, 24, 20, 22, 65, 21, 23]

#Terceiro passo: aplicar as funções estatísticas

#max(x): maior valor de x

maior = max(x)

print('O maior valor é', maior)

#min(x): menor valor de x

menor = min(x)

print('O menor valor é', menor)

#statistics.mean(x): média aritmética de x

media = statistics.mean(x)

print('A média aritmética é', media)

#statistics.median(x): mediana de x

mediana = statistics.median(x)

print('A mediana é', mediana)

#statistics.mode(x): moda de x

moda = statistics.mode(x)

print('A moda é', moda)

#statistics.stdev(x): desvio padrão de x

desvpad = statistics.stdev(x)

print('O desvio padrão é', desvpad)

O maior valor é 65

O menor valor é 20

A média aritmética é 23.75

A mediana é 21.5

A moda é 20

O desvio padrão é 9.808025714742628

Numpy

O NumPy, abreviatura de Numerical Python, é a biblioteca básica mais importante para o uso
da análise de dados com Python. Os recursos do uso desse pacote permitem ao usuário
realizar operações matemáticas, manipulação de vetores e dados entre outras diversas
funcionalidade.

#Primeiro passo: importar a biblioteca 

#Atribuimos um “apelido” ao numpy: np

#Esse apelido é uma convenção e agiliza no desenvolvimento, dado que não necessitamos escr
import numpy as np

#Segundo passo: apresentar os dados

https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 2/6
27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.ipynb - Colaboratory

y = [20, 21, 23, 20, 21, 23, 20, 21, 23, 20, 22, 24, 20, 22, 24, 20, 22, 65, 21, 23]

#Terceiro passo: aplicar as funções estatísticas

#np.max(x): maior valor de x

maior_np = np.max(y)

print('O maior valor é',maior_np)

#np.min(x): menor valor de x

menor_np = np.min(y)

print('O menor valor é',menor_np)

#np.mean(x): média aritmética de x

media_np = np.mean(y)

print('A média aritmética é',media_np)

#np.median(x): mediana de x

mediana_np = np.median(y)

print('A mediana é',mediana_np)

#moda de x

# moda = 

# print('A moda é', moda)

#np.std(x): desvio padrão de x

desviopad_np = np.std(y, ddof = 1)

print('O desvio padrão é',desviopad_np)

O maior valor é 65

O menor valor é 20

A média aritmética é 23.75

A mediana é 21.5

O desvio padrão é 9.808025714742628

Pandas

Pandas foi desenvolvido como uma camada acima do NumPy, mas boa parte de suas
funcionalidades de análise estatística são feitas pelo SciPy, além do uso do Matplotlib para
funções de visualização. Dessa forma, pandas simplifica o uso de diversas bibliotecas úteis
para estatísticos e cientistas de dados.

# Importar biblioteca

from pandas import DataFrame

  

# Criar DataFrame

carrinho = {'Produto': ['Celular', 'AC', 'Celular', 'Sofá', 'Notebook'],

        'Preço': [20000, 28000, 22000, 19000, 45000],

         'Ano': [2014, 2015, 2016, 2017, 2018]

        }

df = DataFrame(carrinho, columns = ['Produto', 'Preço', 'Ano'])

  

# DataFrame Original

print("DataFrame Original:\n", df)

https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 3/6
27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.ipynb - Colaboratory

  

# Descrevendo estatística descritiva de Preço

print("\nEstatística descritiva de Preço:\n")

stats = df['Preço'].describe()

print(stats)

DataFrame Original:

Produto Preço Ano

0 Celular 20000 2014

1 AC 28000 2015

2 Celular 22000 2016

3 Sofá 19000 2017

4 Notebook 45000 2018

Estatística descritiva de Preço:

count 5.000000

mean 26800.000000

std 10756.393448

min 19000.000000

25% 20000.000000

50% 22000.000000

75% 28000.000000

max 45000.000000

Name: Preço, dtype: float64

# Importar biblioteca

from pandas import DataFrame

  

# Criar DataFrame

pesquisa = {'Curso': ['Fisio', 'Psico', 'Psico', 'Nut', 'Far'],

        'Idade': [23, 45, 21, 30, 29],

         'Peso': [67, 78, 90, 87, 76]

        }

df = DataFrame(pesquisa, columns = ['Curso', 'Idade', 'Peso'])

  

# DataFrame Original

print("DataFrame Original:\n", df)

  

# Descrevendo estatística descritiva de Idade

print("\nEstatística descritiva de Idade:\n")

stats = df['Idade'].describe()

print(stats)

# Descrevendo estatística descritiva de Peso

print("\nEstatística descritiva de Peso:\n")

stats2 = df['Peso'].describe()

print(stats2)

DataFrame Original:

Curso Idade Peso

0 Fisio 23 67

1 Psico 45 78

2 Psico 21 90

3 Nut 30 87

4 Far 29 76

https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 4/6
27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.ipynb - Colaboratory

Estatística descritiva de Idade:

count 5.000000

mean 29.600000

std 9.423375

min 21.000000

25% 23.000000

50% 29.000000

75% 30.000000

max 45.000000

Name: Idade, dtype: float64

Estatística descritiva de Peso:

count 5.000000

mean 79.600000

std 9.181503

min 67.000000

25% 76.000000

50% 78.000000

75% 87.000000

max 90.000000

Name: Peso, dtype: float64

Matplotlib

Matplotlib é uma biblioteca para a criação de visualizações estáticas, animadas e interativas em

Python, tornando coisas fáceis, fáceis, e coisas difíceis, possíveis.

Ao apresentar resultados, além dos números, podemos utilizar outros meios para transmitir
melhor a mensagem: gráficos, diagramas, ...

import matplotlib.pyplot as plt

x1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

y1 = [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

plt.plot(x1, y1)

https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 5/6
27/11/2022 22:43 Estude 4- Bibliotecas Python e Google Colab-BIOINF-03112022.ipynb - Colaboratory

[<matplotlib.lines.Line2D at 0x7f92945def10>]

Produtos pagos do Colab

-
Cancelar contratos

https://colab.research.google.com/drive/1Z_p8mbMLSOHvSTipXZZBv4d_m6tU6YQC#printMode=true 6/6