11/03/22, 07:58 Python para Estatísticos — Python para Estatísticos

Python para Estatísticos 

Contents

Por que estudar Python? Print to PDF

Este material foi escrito com o objetivo de introduzir estatísticos e estudantes de Estatística aos conceitos fundamentais da
linguagem Python, bem como apresentá-los às ferramentas que mais lhe podem ser úteis, incluindo bibliotecas de
computação matemática, visualização de dados, manipulação de bases e bancos de dados, ferramentas de aprendizagem de
máquina, computação paralela, computação em GPU, inferência Bayesiana e criação e consumo de API’s Web.

Python é uma linguagem de programação interpretada, de alto nível e de propósito geral. Seu criador, Guido van Rossum,
enfatizou legibilidade de código e sua abordagem de orientação a objetos permite que projetos de diversos tamanhos sejam
desenvolvidos usando código simples, lógico e fácil de entender, devido a sua sintaxe clara. Além da orientação a objetos,
Python também oferece suporte a outros paradigmas de programação, como programação estruturada e programação
funcional.

A filosofia central da linguagem foi resumida no documento The Zen of Python (PEP 20) [1], que inclui frases como:

Belo é melhor do que feio.

Explícito é melhor do que implícito.
Simples é melhor do que complexo.
Complexo é melhor do que complicado.
Legibilidade conta.
Se a implementação é difícil de explicar, é uma má ideia.
Se a implementação é fácil de explicar, deve ser uma boa ideia.

Python é visualmente mais “limpa” do que outras linguagens, além de ser mais intuitiva, pois frequentemente usa palavras da
língua inglesa onde outras linguagens usariam pontuações. O nome da linguagem é um tributo ao grupo de comédia britânico
Monty Python, o que inspirou os desenvolvedores a fazer com que a linguagem seja divertida de usar. Essa abordagem de
desenvolvimento inspirou a criação do neologismo “pythonico”, que quer dizer que o código é natural e está de acordo com a
filosofia minimalita e de ênfase na legibilidade. Por outro lado, códigos difíceis de entender or ler são chamados de não-
pythonicos. Usuários e admiradores de Python, sobretudo aqueles considerados mais experientes costumam er chamados de
Pythonistas.

Por que estudar Python?

Em 2017, o Stack Overflow, website de perguntas e respostas destinado a desenvolvedores, publicou um estudo sobre o
rápido crescimento no interesse pela linguagem Python [2]. O estudo considerou apenas o interesse de usuários de países de
alta renda e naturalmente avaliou apenas resultados até a sua publicação. A Fig. 1, obtida por meio da ferramenta Stack
Overflow Trends, apresenta as curvas para as mesmas linguagens, considerando usuários de todo o mundo (o que muda as
curvas em relação ao estudo citado) e resultados até o meio de 2019. Até o meio de 2012, Python era a sexta linguagem
menos buscada das 7 analisadas, tornando-se a linguagem de maior interesse apenas 6 anos depois, no meio de 2018.

16.00% Tag
c#
14.00% python
% de perguntas no Stack Overflow no mês

javascript
java
12.00% php
c++
r
10.00%

8.00%

6.00%

4.00%

2.00%

0.00%
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Ano

Fig. 1 Crescimento da porcentagem de perguntas de várias linguagens de programação no Stack Overflow.

Esse crescimento do interesse por Python extremamente acentuado a partir de 2012 está conectado ao avanço da área de
ciência de dados e conhecimentos relacionados, como aprendizagem de máquina, big data, business analytics, entre outras.
Python e R costumam ser as linguagens mais citadas por cientistas de dados em seus perfis em redes sociais como LinkedIn.
Segundo análise da Initiative for Analytics and Data Science Standards (IADSS) [3], 100% dos cientistas de dados mencionam

https://tmfilho.github.io/pyestbook/intro.html 1/2
11/03/22, 07:58 Python para Estatísticos — Python para Estatísticos

conhecimento de Python em seus perfis, enquanto 84% mencionam R. Além disso, como mostra a Fig. 2, o mercado de
trabalho abraçou essas duas linguagens, com mais de 70% dos anúncios de vagas para cientistas de dados, retirados de sites
como LinkedIn, Indeed, SimplyHired e Monster em outubro de 2018, mencionando Python e mais de 60% mencionando R.

Fig. 2 20 habilidades mais mencionadas em anúncios de vagas para cientistas de dados [4].

Para completar esta motivação, geramos a tabela abaixo usando Python e a biblioteca pandas, dando um gostinho do que vem
por aí. Os dados foram obtidos por meio da plataforma Google Trends e representam o interesse mundial por quatro tópicos
de buscas no Google: Python, R, aprendizagem de máquina e ciência de dados. A quantidade de buscas de cada tópico foi
medida semanalmente. O código abaixo calcula o índice de correlação de Spearman do interesse semanal de cada um dos
tópicos e todos os outros. Os valores calculados indicam que há relação entre o crescimento do interesse em ciência de dados
e aprendizagem de máquina e a quantidade de buscas relacionadas a R e Python. Esta última apresentou correlações quase
perfeitas com ciência de dados e aprendizagem de máquina, mostrando que o seu crescimento nos últimos 5 anos está
diretamente conectado ao crescimento da importância dessas áreas.

import pandas as pd

url = 'https://tmfilho.github.io/pyestbook/data/google-trends-timeline.csv'

trends = pd.read_csv(url, index_col=0, parse_dates=True)

trends.corr(method='spearman')

Python R Machine learning Data science

Python 1.000000 0.369220 0.964809 0.967090

R 0.369220 1.000000 0.287584 0.254663

Machine learning 0.964809 0.287584 1.000000 0.961119

Data science 0.967090 0.254663 0.961119 1.000000

O código abaixo gera um gráfico com as quatro séries temporais de interesse. Os valores são relativos ao maior valor de
interesse no período, que nesse caso equivale ao interesse por Python em setembro de 2019.

import matplotlib.pyplot as plt

plot = trends.plot()

plt.xlabel('Semana', fontsize=16)

plt.show()

By Telmo de Menezes e Silva Filho

© Copyright 2021.

https://tmfilho.github.io/pyestbook/intro.html 2/2