In [1]:
# Versão da Linguagem Python
from platform import python_version
print('Versão da Linguagem Python Usada Neste Jupyter Notebook:', python_version())
In [2]:
# Crie um array NumPy com 1000000 e uma lista com 1000000.
# Multiplique cada elemento do array e da lista por 2 e calcule o tempo de execução com cada um dos objetos (use %time).
# Qual objeto oferece melhor performance, array NumPy ou lista?
import numpy as np
my_arr = np.arange(1000000)
my_list = list(range(1000000))
%time for _ in range(10): my_arr2 = my_arr * 2
%time for _ in range(10): my_list2 = [x * 2 for x in my_list]
In [3]:
# Exercício 2
# Crie um array de 10 elementos
# Altere o valores de todos os elementos dos índices 5 a 8 para 0
import numpy as np
arr = np.arange(10)
arr
Out[3]:
In [4]:
arr[5:8] = 0
arr
Out[4]:
In [5]:
# Crie um array de 3 dimensões e imprima a dimensão 1
import numpy as np
arr3d = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
arr3d
Out[5]:
In [6]:
arr3d[0]
Out[6]:
In [7]:
# Crie um array de duas dimensões (matriz).
# Imprima os elementos da terceira linha da matriz
# Imprima todos os elementos da primeira e segunda linhas e segunda e terceira colunas
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr2d
Out[7]:
In [8]:
# Imprima os elementos da terceira linha da matriz
arr2d[2]
Out[8]:
In [9]:
# Imprima todos os elementos da primeira e segunda linhas e segunda e terceira colunas
arr2d[:2, 1:]
Out[9]:
In [10]:
# Calcule a transposta da matriz abaixo
arr = np.arange(15).reshape((3, 5))
arr
Out[10]:
In [11]:
arr.T
Out[11]:
In [12]:
# Considere os 3 arrays abaixo
# Retorne o valor do array xarr se o valor for True no array cond. Caso contrário, retorne o valor do array yarr.
xarr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
yarr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])
cond = np.array([True, False, True, True, False])
In [13]:
for x, y, c in zip(xarr, yarr, cond):
print(x, y, c)
In [14]:
resultado = [(x if c else y) for x, y, c in zip(xarr, yarr, cond)]
resultado
Out[14]:
In [15]:
# Crie um array A com 10 elementos e salve o array em disco com a extensão npy
# Depois carregue o array do disco no array B
A = np.arange(10)
print(A)
np.save('array_a', A)
In [16]:
B = np.load('array_a.npy')
print(B)
In [17]:
# Considerando a série abaixo, imprima os valores únicos na série
import pandas as pd
obj = pd.Series(['c', 'a', 'd', 'a', 'a', 'b', 'b', 'c', 'c', 'a', 'b'])
In [18]:
uniques = obj.unique()
uniques
Out[18]:
In [19]:
# Considerando o trecho de código que conecta em uma url na internet, imprima o dataframe conforme abaixo.
import requests
url = 'https://api.github.com/repos/pandas-dev/pandas/issues'
resp = requests.get(url)
resp
Out[19]:
In [20]:
data = resp.json()
data[0]['title']
Out[20]:
In [21]:
issues = pd.DataFrame(data, columns=['number', 'title', 'labels', 'state'])
issues
Out[21]:
In [22]:
# Crie um banco de dados no SQLite, crie uma tabela, insira registros,
# consulte a tabela e retorne os dados em dataframe do Pandas
import sqlite3
import pandas as pd
query = """
CREATE TABLE TESTE
(Cidade VARCHAR(20),
Estado VARCHAR(20),
taxa REAL,
Impostos INTEGER
);"""
con = sqlite3.connect('dsa.db')
con.execute(query)
con.commit()
In [23]:
data = [('Natal', 'Rio Grande do Norte', 1.25, 6),
('Recife', 'Pernambuco', 2.6, 3),
('Londrina', 'Paraná', 1.7, 5)]
stmt = "INSERT INTO TESTE VALUES(?, ?, ?, ?)"
con.executemany(stmt, data)
con.commit()
In [24]:
cursor = con.execute('select * from teste')
rows = cursor.fetchall()
rows
Out[24]:
In [25]:
cursor.description
pd.DataFrame(rows, columns=[x[0] for x in cursor.description])
Out[25]: