Python para

RA
®

Data Science

O ST
AM
DE
P.
CA

CG_PythonDataScienceFD.indb 3 06/03/2020 16:36:31

CG_PythonDataScienceFD_abertura
Criado: 02/05/12 Modificado: 6 março, 2020 16:23
CA
P.
DE
AM
O ST
RA
 1 Começando
com Data
Science e
AM
O ST
RA
DE

Python
P.
CA

CG_PythonDataScienceFD.indb 7 06/03/2020 16:36:32

 RA
ST
NESTA PARTE...

O
Entenda como o Python facilita o data science.

Defina os atributos do Python comumente usados no

AM
data science.

Crie uma configuração própria do Python.

Trabalhe com o Google Colab em dispositivos

alternativos.
DE
P.
CA

CG_PythonDataScienceFD.indb 8 06/03/2020 16:36:32

 NESTE CAPÍTULO

» Descobrindo as maravilhas do data

RA
science

» Explorando o funcionamento do data

science

» Criando a conexão entre Python e

data science

ST
» Começando com o Python

Capítulo 1
Combinando Data O
AM
Science e Python

O
DE

data science pode parecer uma daquelas tecnologias que você nunca
usaria, mas isso está errado. Sim, data science envolve o uso de técni-
cas avançadas de matemática, estatística e big data, mas ajuda a tomar
decisões melhores, a criar sugestões para opções baseadas em escolhas ante-
riores e a fazer com que robôs vejam objetos. Na verdade, as pessoas usam data
science de tantas formas diferentes que não se pode olhar para lugar nenhum
ou fazer o que quer que seja sem sentir os efeitos do data science em sua vida.
Resumindo: é o data science que está por trás das cortinas na experiência das
maravilhas da tecnologia. Sem data science, muito do que aceitamos como
P.

comum e esperado hoje não seria possível. É por isso que cientista de dados é a
profissão mais atraente do século XXI.

Para que o data science seja viável para alguém que não é um gênio da mate-
mática, são necessárias ferramentas. Você pode usar qualquer quantidade de
CA

ferramentas para realizar tarefas de data science, mas o Python é especial-

LEMBRE-SE mente adequado para facilitar o trabalho com data science. Por um lado, o
Python fornece um número incrível de bibliotecas relacionadas à matemática
que ajudam na realização de tarefas com uma compreensão quase perfeita do

Capítulo 1 Combinando Data Science e Python 9

CG_PythonDataScienceFD.indb 9 06/03/2020 16:36:32

 que acontece exatamente. Contudo, a função do Python vai além de suportar
vários estilos de código (paradigmas de programação) e facilitar seu trabalho.

RA
Portanto, sim, você pode usar outras linguagens para escrever aplicações de
data science, mas o Python reduz a carga de trabalho, então é uma escolha
natural para quem não quer trabalhar demais, mas quer trabalhar bem.

Este capítulo o apresenta ao Python. Embora o objetivo deste livro não seja for-
necer um tutorial completo sobre o Python, explorar algumas questões básicas
sobre ele permitirá que você pegue o ritmo. (Se precisar de um bom tutorial

ST
introdutório, adquira o livro Começando a Programar em Python Para Leigos [Alta
Books]. Ele oferece indicações de tutoriais e outros recursos necessário para
preencher as lacunas que você possa ter em seu aprendizado do Python.)

ESCOLHENDO UMA LINGUAGEM

O
DE DATA SCIENCE
Há muitas linguagens de programação no mundo, e a maioria foi criada para
realizar tarefas específicas ou até para facilitar o trabalho de determinadas
AM
profissões. Escolher a ferramenta correta facilita sua vida. É como usar um martelo
para apertar um parafuso em vez de uma chave de fenda. Sim, o martelo funciona,
mas, definitivamente, a chave de fenda é muito mais fácil de usar e faz um trabalho
melhor. Os cientistas de dados usam apenas algumas linguagens, pois elas facilitam
o trabalho com os dados. Com isso em mente, aqui estão as principais linguagens
para o trabalho com data science, em ordem de preferência:

• Python (uso geral): Muitos cientistas de dados preferem usar o Python

DE

porque ele fornece muitas bibliotecas, como NumPy, SciPy, MatPlotLib,

pandas e Scikit-learn, para facilitar significativamente as tarefas com
data science. O Python também é uma linguagem precisa, que facilita
o uso de multiprocessamento em grandes conjuntos de dados — redu-
zindo o tempo exigido para analisá-los. A comunidade de data science
também evoluiu com IDEs especializados, como o Anaconda, que imple-
mentam o conceito Jupyter Notebook, que facilita muito o trabalho com
cálculos de data science (o Capítulo 3 ensina a usar o Jupyter Notebook,
então não se preocupe com isso agora). Além de tudo isso a favor do
P.

Python, ele também é uma linguagem excelente para se criar glue code
com linguagens como C/C++ e Fortran. A documentação do Python
mostra como criar as extensões necessárias. A maioria dos usuários do
Python depende da linguagem para ver padrões, como dar permissão
para que um robô veja um grupo de pixels como um objeto. Ele também
CA

é aplicável a todos os tipos de tarefas científicas.

10 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 10 06/03/2020 16:36:32

 • R (uso especial estatístico): Em muitos aspectos, o Python e o R comparti-

RA
lham os mesmos tipos de funcionalidade, mas as implementam de modo
diferente. Dependendo de qual fonte é visualizada, o Python e o R têm mais
ou menos o mesmo número de proponentes, e algumas pessoas usam
ambas de modo intercambiável (ou, às vezes, em dupla). Diferentemente
do Python, o R fornece um ambiente próprio, então você não precisa de
produtos de terceiros, como o Anaconda. No entanto, o R não se mistura
com outras linguagens com a mesma facilidade que o Python.

ST
• SQL (gestão de banco de dados): O mais importante a ser lembrado
sobre a Structured Query Language (SQL) é que ela foca os dados, e não
as tarefas. Os negócios não podem operar sem uma boa gestão de dados
— eles são o negócio. Grandes organizações usam algum tipo de banco
de dados relacional, normalmente acessível com SQL, para armazenar os
dados. A maioria dos produtos de Sistemas de Gerenciamento de Banco

O
de Dados (SGBD) depende de SQL como linguagem principal, e os SGBD
geralmente têm um grande número de atributos de análises de dados e de
data science incorporados. Como você acessa os dados nativamente, mui-
tas vezes há um ganho de velocidade significativo ao realizar tarefas de
AM
data science dessa forma. Os Administradores de Bancos de Dados (DBAs)
normalmente usam SQL para gerenciar ou manipular os dados, em vez de
necessariamente realizar análises detalhadas deles. No entanto, o cien-
tista de dados também pode usar SQL para várias tarefas de data science
e disponibilizar os scripts resultantes para as necessidades dos DBAs.

• Java (uso geral): Alguns cientistas de dados realizam outros tipos de pro-
gramação que exigem uma linguagem popular, amplamente adaptada
e de uso mais geral. Além de fornecer acesso a um grande número de
DE

bibliotecas (cuja maioria não é tão útil para data science, mas funciona
para outras necessidades), o Java suporta a orientação a objetos melhor
do que qualquer outra linguagem desta lista. Além disso, é fortemente
tipado e tende a ser executado com mais rapidez. Consequentemente,
algumas pessoas o preferem para o código finalizado. O Java não é uma
boa opção para experimentação nem para consultas ad hoc.

• Scala (uso geral): Como o Scala usa a Máquina Virtual Java (JVM), tem
P.

algumas vantagens e desvantagens em relação ao Java. Contudo, como

o Python, o Scala é compatível com o paradigma da programação funcio-
nal, que usa cálculos lambda como base (veja detalhes em Programação
Funcional Para Leigos). Além disso, o Apache Spark é escrito em Scala, o
que significa que você tem um bom suporte para grupo ao usar essa
CA

linguagem — pense no suporte de um conjunto de dados gigantesco.

Algumas armadilhas do uso do Scala são a dificuldade de configurá-lo
corretamente, a dificuldade de aprendizado e a falta de um conjunto
abrangente de bibliotecas específicas de data science.

Capítulo 1 Combinando Data Science e Python 11

CG_PythonDataScienceFD.indb 11 06/03/2020 16:36:32

 Definindo o Trabalho

RA
Mais Atraente do Século XXI
A certa altura, o mundo via todos os que trabalhavam com estatística como um
tipo de contador, ou talvez um cientista louco. Muitas pessoas consideram a
estatística e a análise de dados algo chato. Entretanto, o data science é uma des-
sas profissões em que quanto mais você aprende, mais quer aprender. Respon-

ST
der a uma pergunta muitas vezes gera mais perguntas ainda mais interessantes
do que a que acabou de ser respondida. Contudo, o que torna o data science tão
atraente é que ele é visto em todas as situações e usado de infinitas maneiras.
As próximas seções fornecem mais detalhes sobre o porquê de o data science ser
um campo de estudos tão incrível.

O
Considerando a emergência
do data science
AM
Data science é um termo relativamente novo. William S. Cleveland o cunhou
em 2001 como parte de um artigo intitulado “Data Science: An Action Plan for
Expanding the ­Technical Areas of the Field of Statistics” [Data Science: Um
Plano de Ação para Expandir as Áreas Técnicas do Campo da Estatística, em
tradução livre]. Foi apenas um ano mais tarde que o Conselho Internacional
de Ciência realmente reconheceu o data science e criou um comitê para ele. A
Universidade de Columbia entrou em cena em 2003 ao iniciar a publicação do
Journal of Data Science.
DE

No entanto, a base matemática por trás do data science tem muitos séculos, pois
ele é praticamente um método para ver e analisar estatística e probabilidade. O
primeiro uso relevante do termo “estatística” data de 1749, mas ela certamente
LEMBRE-SE é muito mais antiga. As pessoas usaram estatística para reconhecer padrões
por milhares de anos. Por exemplo, o historiador Tucídides (em seu História da
Guerra do Peloponeso) descreve como os atenienses calcularam a altura do muro
de Plateias no século V a.C. por meio da contagem de tijolos em uma seção sem
reboco do muro. Como a contagem precisava ser exata, os atenienses tiraram a
média da contagem feita por vários soldados.
P.

O processo de quantificar e entender a estatística é relativamente novo, mas

a ciência em si é antiga. Uma tentativa anterior de registrar a importância da
estatística aparece no século IX, quando Alcindi escreveu o Manuscrito para Deci-
frar Mensagens Criptográficas. Nele, Alcindi descreve como usar uma combinação
CA

de análises estatísticas e de frequência para decifrar mensagens criptografadas.

Mesmo no começo, a estatística já era aplicável à ciência para tarefas aparente-
mente impossíveis de completar. O data science continua esse processo, e para
algumas pessoas, realmente parece mágica.

12 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 12 06/03/2020 16:36:32

 Esboçando as competências centrais
de um cientista de dados

RA
Como é válido para qualquer um que tenha as atribuições mais complexas hoje
em dia, o cientista de dados necessita de uma ampla gama de habilidades para
realizar as tarefas necessárias. Na verdade, são tantas as habilidades diferentes
exigidas, que os cientistas de dados geralmente trabalham em equipe. Alguém
bom em reunir dados pode se juntar a um analista e a alguém com o dom de

ST
apresentar informações. Seria difícil encontrar uma única pessoa com todas as
habilidades necessárias. Com isso em mente, a lista a seguir descreve áreas em
que um cientista de dados se destaca (sendo que, quanto mais competências
tiver, melhor):

» Captura de dados: Não importa o tipo de habilidade matemática que

O
você tenha se, primeiro, não conseguir dados para analisar. A coleta
de dados começa com a administração da fonte de dados por meio de
habilidades de gestão de banco de dados. Contudo, os dados brutos não são
particularmente úteis em muitas situações — você também deve entender o
AM
domínio dos dados para que possa observá-los e formular as perguntas que
devem ser feitas. Por fim, você deve ter habilidades de modelagem de dados
para compreender como os dados se conectam e se eles são estruturados.
» Análise: Depois de obter os dados com os quais trabalhará e entender
suas complexidades, pode começar a analisá-los. Isso é feito utilizando-se
habilidades básicas de ferramentas estatísticas, como aquelas que
praticamente todo o mundo aprende na escola. Entretanto, o uso de truques
matemáticos e algoritmos especializados torna os padrões nos dados mais
óbvios ou os ajuda a chegar a conclusões que não seriam possíveis apenas
DE

por meio da revisão dos dados.

» Apresentação: A maioria das pessoas não entende muito bem os números.
Elas não conseguem ver os padrões que os cientistas de dados veem. É
importante apresentar graficamente esses padrões para ajudar os outros a
visualizar o significado dos números e como aplicá-los de modo significativo.
Mais importante ainda, a apresentação deve contar uma história específica,
para que o impacto dos dados não seja perdido.
P.

Conectando data science, big data e IA

Curiosamente, o ato de mover dados para que alguém realize análises é uma
especialidade chamada de Extração, Transformação e Carregamento (da sigla
CA

em inglês, ETL). O especialista em ETL usa linguagens de programação como

o Python para extrair os dados de várias fontes. As corporações tendem a não
manter os dados em um local facilmente acessível, então encontrar os dados
requeridos para realizar análises leva tempo. Depois que o especialista em ETL

Capítulo 1 Combinando Data Science e Python 13

CG_PythonDataScienceFD.indb 13 06/03/2020 16:36:32

 encontra os dados, uma linguagem de programação ou outra ferramenta os
transforma em um formato comum para propósitos de análise. O processo de

RA
carregamento é diversificado, mas este livro conta com o Python para realizar a
tarefa. Em uma grande operação real, você pode usar ferramentas como Infor-
matica, MS SSIS ou Teradata para realizá-la.

O data science não é necessariamente um meio para um fim. Ele pode, na ver-
dade, ser apenas um passo no caminho. À medida que um cientista de dados
trabalha com vários conjuntos de dados e descobre fatos interessantes, esses

ST
LEMBRE-SE fatos podem agir como ideias para outros tipos de análises e aplicações de IA.
Por exemplo, considere que seus hábitos de compra sugiram de quais livros
você pode gostar ou onde gostaria de passar as férias. Hábitos, como os de com-
pra, também ajudam a entender outras atividades, às vezes menos inofensivas.
Os livros Aprendizado de Máquina Para Leigos e IA Para Leigos (Alta Books), ambos
de John Mueller e Luca Massaron, explicam esses e outros usos do data science.
No momento, considere que o que aprender com este livro poderá ter um efeito

O
definitivo em um plano de carreira que pode seguir diversas outras direções.

Entendendo o papel da programação

AM
Um cientista de dados precisa conhecer várias linguagens de programação para
alcançar objetivos específicos. Por exemplo, você pode precisar de conheci-
mentos de SQL para extrair dados de bancos de dados relacionais. O Python
pode ajudá-lo a realizar as tarefas de carregamento, transformação e análise
de dados. Contudo, você pode escolher um produto como o MATLAB (que tem a
própria linguagem de programação) ou o PowerPoint (que conta com VBA) para
apresentar as informações para outras pessoas. (Adquira o livro MATLAB Para
Leigos (Alta Books) se tiver interesse em comparar o uso do MATLAB com o do
DE

Python.) Os conjuntos de dados imensos com que os cientistas de dados con-

tam muitas vezes requerem vários níveis de processamento redundante para
transformá-los em dados processados úteis. Realizar essas tarefas manual-
mente consome muito tempo e propicia erros, então a programação é o melhor
método para alcançar o objetivo de uma fonte de dados útil e coerente.

Dada a quantidade de produtos que a maioria dos cientistas de dados usa, não
é possível utilizar apenas uma linguagem de programação. Sim, o Python pode
carregar, transformar e analisar dados, e até apresentá-los ao usuário final,
P.

mas funciona somente quando a linguagem fornece a funcionalidade reque-

rida. Você pode precisar escolher outras linguagens para a tarefa, e essa escolha
depende de diversos critérios. Considere o seguinte:

»
CA

Como você pretende usar o data science em seu código (há várias tarefas a
serem consideradas, como análise de dados, classificação e regressão).
» Sua familiaridade com a linguagem.

14 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 14 06/03/2020 16:36:32

 » A necessidade de interação com outras linguagens.
» A disponibilidade de ferramentas para a melhoria do ambiente de

RA
desenvolvimento.
» A disponibilidade de APIs e bibliotecas para facilitar a realização de tarefas.

Criando o Pipeline do Data Science

ST
O data science é metade arte e metade engenharia. Reconhecer padrões em
dados, considerar quais perguntas fazer e determinar quais algoritmos funcio-
nam melhor são partes do lado artístico do data science. No entanto, para que
esse lado se concretize, a parte da engenharia se apoia em um processo especial
para alcançar objetivos específicos. Esse processo é o pipeline de data science,

O
que requer que o cientista de dados siga determinados passos na preparação,
análise e apresentação dos dados. As próximas seções o ajudam a entender
melhor o pipeline do data science, para que você compreenda como o livro o
emprega durante a apresentação dos exemplos.
AM
Preparando os dados
Os dados acessados de várias fontes não vêm em um pacote bonito, pronto
para a análise — é bem pelo contrário. Os dados brutos não só podem variar
consideravelmente no formato, como você também pode ter que transformá-
-los para que todas as fontes de dados sejam coesas e favoráveis à análise.
A transformação pode exigir mudança nos tipos de dados, na ordem em que
aparecem e até na criação de entradas de dados com base nas informações
DE

fornecidas pelas entradas existentes.

Realizando análise de dados exploratória

A matemática por trás da análise de dados depende dos princípios de enge-
nharia em que os resultados são comprováveis e coerentes. Contudo, o data
science fornece acesso a uma grande variedade de métodos estatísticos e algo-
ritmos que o ajudam a descobrir padrões nos dados. Uma única abordagem
P.

normalmente não funciona. É preciso usar um processo iterativo para retra-

balhar os dados a partir de diversas perspectivas. O uso de tentativa e erro faz
parte da arte do data science.

Aprendendo com os dados

CA

Ao iterar com vários métodos de análises estatísticas e aplicar algoritmos para

detectar padrões, você começa a aprender com os dados. Eles podem não con-
tar a história que você achava que contariam originalmente, ou podem ter

Capítulo 1 Combinando Data Science e Python 15

CG_PythonDataScienceFD.indb 15 06/03/2020 16:36:32

 muitas histórias para contar. A descoberta faz parte da vida do cientista de
dados. Na verdade, é a parte divertida do data science, pois não é possível

RA
saber com antecedência o que exatamente os dados revelarão.

É claro que a natureza imprecisa dos dados e a descoberta de padrões aparen-

temente aleatórios significa que devemos manter a mente aberta. Se você tiver
ideias preconcebidas do que os dados contêm, não encontrará as informações
LEMBRE-SE que realmente estão neles. Você perde a fase de descoberta do processo, que se
traduz em oportunidades perdidas para você e para as pessoas que dependem

ST
de você.

Visualizando
Visualizar significa ver os padrões nos dados e ser capaz de reagir a eles. Tam-
bém significa ser capaz de ver quando os dados não fazem parte do padrão.

O
Pense em você mesmo como um escultor de dados — removendo os que estão
fora do padrão (os outliers) para que os outros vejam a obra-prima das infor-
mações escondida. Sim, você consegue vê-la, mas até que os outros também
consigam, ela permanece apenas em seu campo de visão.
AM
Obtendo insights e produtos de dados
Pode parecer que o cientista de dados simplesmente procura métodos únicos
para visualizar os dados. Contudo, o processo não acaba até que se tenha uma
compreensão clara do significado desses dados. Os insights obtidos a partir da
manipulação e da análise de dados o ajudam a realizar tarefas reais. Por exem-
plo, os resultados de uma análise podem ser utilizados para tomar decisões de
negócios.
DE

Em certos casos, o resultado de uma análise cria uma resposta automatizada. Por
exemplo, quando um robô vê uma série de pixels obtidos de uma câmera, os pixels
que formam um objeto têm um significado especial, e a programação do robô dita
algum tipo de interação com esse objeto. Mas, até que o cientista de dados crie
uma aplicação que carregue, analise e visualize os pixels da câmera, o robô não
vê nada.
P.

Entendendo o Papel
do Python no Data Science
CA

Dadas as fontes de dados certas, as exigências de análise e as necessidades de

apresentação, o Python se aplica a todas as partes do pipeline de data science.
Na verdade, é exatamente isso o que você fará neste livro. Cada exemplo usa
o Python para lhe explicar outra parte da equação do data science. De todas

16 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 16 06/03/2020 16:36:32

 as linguagens disponíveis para realizar tarefas de data science, o Python é a
mais flexível e capaz, pois suporta muitas bibliotecas de terceiros dedicadas à

RA
tarefa. As próximas seções detalham por que o Python é uma escolha tão boa
para tantas (se não para a maioria) necessidades de data science.

Considerando a transformação do perfil

dos cientistas de dados

ST
Algumas pessoas veem o cientista de dados como um nerd inacessível que usa
a matemática para fazer milagres. É ele quem está por trás da cortina em uma
experiência parecida com a do Mágico de Oz. No entanto, essa perspectiva está
mudando. Em muitos aspectos, o mundo agora vê o cientista de dados como um
assistente de desenvolvedor ou como um novo tipo de desenvolvedor. A ascen-
são de aplicações que aprendem, de todos os tipos, é a essência dessa mudança.

O
Para que uma aplicação aprenda, ela precisa ser capaz de manipular grandes
bancos de dados e descobrir padrões deles. Além disso, deve ser capaz de criar
dados com base nos antigos — fazendo uma espécie de previsão embasada. Os
novos tipos de aplicações afetam as pessoas de maneiras que pareceriam ficção
AM
científica poucos anos atrás, e é claro que as mais notáveis dessas aplicações
definem os comportamentos de robôs que no futuro interagirão muito mais
próximos das pessoas do que fazem atualmente.

A partir de uma perspectiva de negócios, a necessidade de combinar o data

science e o desenvolvimento de aplicações é óbvia: os negócios devem realizar
vários tipos de análises nos bancos gigantescos de dados que coletam — para
interpretar as informações e usá-las para prever o futuro. Mas, na verdade,
o impacto maior da junção desses dois ramos da ciência — o data science e
o desenvolvimento de aplicações — será sentido em termos da criação de
DE

tipos totalmente novos de aplicações, alguns que nem conseguimos imaginar

com clareza atualmente. Por exemplo, novas aplicações que auxiliem alunos a
aprenderem com maior precisão ao analisar suas tendências de aprendizado
e criar métodos instrucionais que funcionem para esse aluno específico. Essa
combinação de ciências também resolveria uma grande variedade de problemas
médicos que parecem impossíveis de solucionar hoje — não apenas mantendo
as doenças afastadas, mas também resolvendo problemas; por exemplo, como
criar dispositivos protéticos verdadeiramente utilizáveis que se apresentam e
P.

atuam como a coisa real.

Trabalhando com uma linguagem

multiúso, simples e eficiente
CA

Há muitas maneiras de realizar tarefas de data science. Este livro trata apenas de
um dos diversos métodos à disposição. Entretanto, o Python é uma das poucas
soluções que, de forma isolada, resolve problemas complexos de data science.

Capítulo 1 Combinando Data Science e Python 17

CG_PythonDataScienceFD.indb 17 06/03/2020 16:36:32

 Em vez de ter de usar várias ferramentas para realizar uma tarefa, pode-se usar
apenas uma única linguagem, o Python, para fazer o trabalho. A diferença de

RA
Python é o grande número de bibliotecas científicas e matemáticas criadas por
terceiros. A inserção dessas bibliotecas amplia o Python e lhe possibilita realizar
facilmente tarefas que outras linguagens teriam problemas para dar conta.

As bibliotecas do Python são seu principal atrativo; mas ele oferece mais do que
um código reutilizável. O mais importante a ser considerado é que o Python é
compatível com quatro estilos de programação:
DICA

ST
» Funcional: Trata cada declaração como uma equação matemática e evita
qualquer forma de estado ou dados mutáveis. A principal vantagem desta
abordagem é que não tem nenhum efeito colateral. Além disso, este estilo
de programação é mais adequado para o processamento paralelo, pois não
há estado a ser considerado. Muitos desenvolvedores preferem este tipo de

O
programação para recursão e para cálculo lambda.
» Imperativa: Realiza cálculos como uma mudança direta ao estado do
programa. Este estilo é particularmente útil ao manipular estruturas de
dados e produz um código elegante, mas ainda simples.
AM
» Orientada a objetos: Depende de campos de dados tratados como objetos
e manipulados apenas por métodos prescritos. O Python não suporta
totalmente esta forma de programação, pois não consegue implementar
atributos como a ocultação de dados. No entanto, este é um estilo de
programação útil para aplicações complexas, pois suporta o encapsulamento
e o polimorfismo, e também favorece a reutilização do código.
» Procedural: Trata de tarefas como iterações passo a passo, em que
as tarefas comuns são colocadas em funções que são chamadas
DE

quando necessário. Este estilo de programação favorece a iteração, o

sequenciamento, a seleção e a modularização.

Aprendendo Rapidamente
a Usar o Python
P.

É hora de tentar usar o Python para ver o pipeline de data science em ação. As
próximas seções fornecem um panorama breve do processo que será explo-
rado detalhadamente no restante do livro. Você não realizará as tarefas das
próximas seções. Na verdade, só instalará o Python no Capítulo 3, então, por
CA

enquanto, apenas siga o texto. Este livro usa uma versão específica do Python e
um IDE chamado de Jupyter Notebook, portanto, aguarde até o Capítulo 3 para

18 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 18 06/03/2020 16:36:33

 instalá-los (ou, se preferir, pule e instale-os já). Não se preocupe em entender
todos os aspectos do processo agora. O objetivo destas seções é explicar o fluxo

RA
do uso do Python para realizar tarefas de data science. Muitos dos detalhes
podem parecer difíceis de entender agora, mas o restante do livro o ajudará.

Os exemplos deste livro dependem de uma aplicação baseada na web chamada

de Jupyter Notebook. As capturas de telas que verá aqui e nos próximos capí-
tulos refletem a aparência do Jupyter Notebook no Firefox em um sistema com
LEMBRE-SE Windows 7. Sua visualização conterá os mesmos dados, mas a interface pode ser

ST
diferente, dependendo da plataforma (como o uso de um notebook, em vez de
um desktop), do sistema operacional e do navegador usados. Não se preocupe se
vir pequenas diferenças entre sua exibição e as capturas de tela no livro.

Você não precisa digitar o código-fonte deste capítulo. Na verdade, é muito

mais fácil fazer o download dos arquivos (veja detalhes sobre o download do
código-fonte na Introdução). O código-fonte deste capítulo está no arquivo

O
DICA P4DS4D2_01_Quick_Overview.ipynb, uma referência ao título original Python
for Data Science For Dummies, 2a edição.

Carregando dados
AM
Antes de começar, carregue alguns dados. O livro mostra vários tipos de méto-
dos para realizar essa tarefa. Neste caso, a Figura 1-1 mostra como carregar
um conjunto de dados chamado de Boston, que contém os preços de moradias
e outros fatos sobre as casas na área de Boston. O código posiciona todo o con-
junto de dados na variável boston e depois posiciona partes desses dados nas
variáveis X e y. Pense nas variáveis como se fossem caixas. Elas são importan-
tes, pois possibilitam o trabalho com os dados.
DE
P.

FIGURA 1-1:
Carregando
dados em
variáveis
CA

para poder
manipulá-
-los.

Capítulo 1 Combinando Data Science e Python 19

CG_PythonDataScienceFD.indb 19 06/03/2020 16:36:33

 Treinando um modelo

RA
Agora que temos dados para trabalhar, podemos fazer algo com eles. Há
diversos tipos de algoritmos incorporados no Python. A Figura 1-2 mostra um
modelo de regressão linear. Repito: não se preocupe com o funcionamento
exato, os capítulos posteriores abordarão os detalhes da regressão linear. O
importante a ser notado na Figura 1-2 é que o Python possibilita a realização
da regressão linear usando apenas duas declarações e posiciona o resultado em
uma variável chamada de hypothesis.

ST
Visualizando um resultado
Não vale a pena realizar nenhum tipo de análise a não ser que você obtenha
benefícios como resultado. Este livro mostra várias maneiras de visualizar a
saída, mas a Figura 1-3 começa com algo simples. Neste caso, você vê o coe-

O
ficiente resultante da análise de regressão linear.
AM
FIGURA 1-2:
Usando a
variável para
DE

treinar um
modelo de
regressão
linear.
P.
CA

20 PARTE 1 Começando com Data Science e Python

CG_PythonDataScienceFD.indb 20 06/03/2020 16:36:33

 RA
ST
FIGURA 1-3:
Exibindo um
resultado
como uma
resposta ao
modelo.

Uma das razões para o uso do Jupyter Notebook neste livro é que o produto

O
ajuda a criar saídas bem formatadas como parte da criação da aplicação.
Observe novamente a Figura 1-3 e verá um relatório que poderia ser simples-
DICA mente impresso e oferecido a um colega. A saída não é adequada para muitas
pessoas, mas aqueles com experiência com Python e data science a acharão
AM
útil e muito informativa.
DE
P.
CA

Capítulo 1 Combinando Data Science e Python 21

CG_PythonDataScienceFD.indb 21 06/03/2020 16:36:33