Escolar Documentos
Profissional Documentos
Cultura Documentos
import numpy as np
# Criando Arrays
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
# Indexação e Fatiamento
subset = arr2[:, 1]
# Operações Estatísticas
mean_value = np.mean(arr1)
median_value = np.median(arr1)
std_deviation = np.std(arr1)
# Álgebra Linear
det_matrix = np.linalg.det(arr2)
eigenvalues, eigenvectors = np.linalg.eig(arr2)
# Concatenação de Arrays
concatenated_array = np.concatenate((arr1, arr2.flatten()))
# Transpose e Reshape
transposed_array = np.transpose(arr2)
reshaped_array = np.reshape(arr1, (2, 2))
1. Gráficos 2D Básicos
# Gráfico de Linhas
plt.plot([1, 2, 3, 4], [10, 20, 25, 30])
plt.title('Gráfico de Linhas')
plt.xlabel('Eixo X')
plt.ylabel('Eixo Y')
plt.show()
# Gráfico de Dispersão
plt.scatter([1, 2, 3, 4], [10, 20, 25, 30])
plt.title('Gráfico de Dispersão')
plt.xlabel('Eixo X')
plt.ylabel('Eixo Y')
plt.show()
2. Gráficos 3D
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Gráfico 3D de Dispersão
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.rand(10)
y = np.random.rand(10)
z = np.random.rand(10)
ax.scatter(x, y, z)
plt.title('Gráfico 3D de Dispersão')
plt.show()
# Gráfico de Superfície 3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = y = np.linspace(-5, 5, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))
ax.plot_surface(x, y, z, cmap='viridis')
plt.title('Gráfico 3D de Superfície')
plt.show()
3. Gráficos de Barra e Pizza, Adição de Texto
# Gráfico de Barras
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 1, 9]
plt.bar(categories, values, color='blue')
plt.title('Gráfico de Barras')
plt.xlabel('Categorias')
plt.ylabel('Valores')
plt.show()
# Gráfico de Pizza
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title('Gráfico de Pizza')
plt.show()
import pandas as pd
# Criando DataFrame
data = {'Nome': ['Alice', 'Bob', 'Charlie'],
'Idade': [25, 30, 35],
'Salario': [50000, 60000, 75000]}
df = pd.DataFrame(data)
# Filtragem de Dados
filtered_df = df[df['Idade'] > 30]
# Seleção de Colunas
selected_columns = df[['Nome', 'Salario']]
# Ordenação de Dados
sorted_df = df.sort_values(by='Idade', ascending=False)
# Remoção de Duplicatas
df_no_duplicates = df.drop_duplicates(subset='Nome')
# Renomear Colunas
df_renamed = df.rename(columns={'Idade': 'Anos'})
# Operações Estatísticas
mean_salary = df['Salario'].mean()
total_salary_by_age = df.groupby('Idade')['Salario'].sum()
# Médias Móveis
df['Media_Movel_Salario'] = df['Salario'].rolling(window=2).mean()
# Leitura de Dados
df_from_csv = pd.read_csv('dados.csv')
# Escrita de Dados
df.to_csv('novo_dados.csv', index=False)