--- title: "Ferramentas Python para Data Science: Guia Completo 2026 | python.dev.br" url: "https://python.dev.br/ferramentas/python-ferramentas-data-science/" markdown_url: "https://python.dev.br/ferramentas/python-ferramentas-data-science.MD" description: "As melhores ferramentas Python para ciência de dados: Jupyter, Pandas, NumPy, Matplotlib, scikit-learn, Polars e mais. Comparativo atualizado." date: "2026-03-30" author: "Equipe python.dev.br" --- # Ferramentas Python para Data Science: Guia Completo 2026 | python.dev.br As melhores ferramentas Python para ciência de dados: Jupyter, Pandas, NumPy, Matplotlib, scikit-learn, Polars e mais. Comparativo atualizado. Python é a linguagem número um para ciência de dados — e não é por acaso. O ecossistema de ferramentas e bibliotecas para análise, visualização e machine learning é o mais completo e maduro que existe. Neste guia, vamos revisar as ferramentas essenciais para quem trabalha (ou quer trabalhar) com data science em Python, com comparativos práticos e recomendações para 2026. ## Ambientes de Desenvolvimento ### Jupyter Notebook e JupyterLab O [Jupyter Notebook](/glossario/jupyter-notebook/) é o ambiente interativo padrão para ciência de dados. Permite executar código em células, intercalando código Python, texto em Markdown, equações LaTeX e visualizações: ```python import pandas as pd import matplotlib.pyplot as plt # Carregar dados df = pd.read_csv("vendas_2026.csv") # Análise rápida df.groupby("região")["receita"].sum().plot(kind="bar") plt.title("Receita por Região") plt.show() ``` O **JupyterLab** é a evolução do Notebook clássico — interface moderna, abas múltiplas, terminal integrado e extensões. Em 2026, o JupyterLab é a versão recomendada. Confira nosso [guia de configuração do Jupyter](/guias/configurando-jupyter-notebook/). ### Google Colab Para quem precisa de GPU gratuita ou quer compartilhar notebooks sem configurar ambiente local, o Google Colab é a melhor opção. Roda na nuvem, já vem com todas as bibliotecas de data science instaladas e permite colaboração em tempo real. ### VS Code com Jupyter O VS Code também suporta notebooks Jupyter nativamente, combinando o melhor dos dois mundos: a interatividade do Jupyter com o autocomplete, debugging e [Git](/glossario/git/) do VS Code. Veja nosso [guia de VS Code para Python](/guias/configurando-vscode-para-python/). ## Manipulação de Dados ### Pandas — O Canivete Suíço O [Pandas](/glossario/pandas/) é a biblioteca mais usada para manipulação de dados tabulares. Com DataFrames poderosos, ele permite carregar, limpar, transformar e analisar dados de praticamente qualquer fonte: ```python import pandas as pd # Leitura de dados df = pd.read_csv("dados.csv") df_excel = pd.read_excel("planilha.xlsx") df_json = pd.read_json("api_response.json") # Limpeza e transformação df = df.dropna(subset=["salario"]) df["salario_mensal"] = df["salario_anual"] / 12 df["senioridade"] = df["anos_exp"].apply( lambda x: "Sênior" if x >= 5 else "Pleno" if x >= 2 else "Júnior" ) # Agregações resumo = df.groupby("senioridade").agg( media_salarial=("salario_mensal", "mean"), total_vagas=("id", "count") ).round(2) ``` Para um guia detalhado, confira [Introdução ao Pandas](/blog/introducao-ao-pandas/) e o [guia de análise de dados com Pandas](/guias/analise-dados-pandas/). ### Polars — A Alternativa Ultrarrápida O [Polars](/blog/polars-alternativa-pandas-python/) é a alternativa moderna ao Pandas, escrita em Rust, que oferece performance massivamente superior para datasets grandes: ```python import polars as pl # Polars usa lazy evaluation por padrão df = ( pl.scan_csv("dados_grandes.csv") .filter(pl.col("estado") == "SP") .group_by("cargo") .agg( pl.col("salario").mean().alias("media_salarial"), pl.col("id").count().alias("total") ) .sort("media_salarial", descending=True) .collect() # Executa o plano otimizado ) ``` ### DuckDB — SQL para Analytics O [DuckDB](/blog/python-e-duckdb-analytics/) traz o poder do SQL para análise de dados local, sem precisar de servidor: ```python import duckdb # SQL direto em arquivos CSV e Parquet resultado = duckdb.sql(""" SELECT estado, AVG(salario) as media FROM 'dados.parquet' GROUP BY estado ORDER BY media DESC LIMIT 10 """).df() ``` ### Comparativo de Ferramentas de Dados | Ferramenta | Velocidade | Memória | API | Melhor para | |---|---|---|---|---| | Pandas | Média | Alta | Python | Análise geral, prototipagem | | Polars | Muito rápida | Eficiente | Python/Rust | Datasets grandes, ETL | | DuckDB | Muito rápida | Eficiente | SQL + Python | Consultas SQL, Parquet | | NumPy | Rápida | Eficiente | Python | Cálculos numéricos | > **Polars e DuckDB são escritos em Rust** — a linguagem que está revolucionando performance em ferramentas de dados. Conheça Rust em rustlang.com.br. ## Computação Numérica ### NumPy O [NumPy](/glossario/numpy/) é a base de todo o ecossistema científico do Python. Fornece arrays multidimensionais eficientes e operações vetorizadas: ```python import numpy as np # Arrays e operações vetorizadas precos = np.array([29.90, 49.90, 99.90, 149.90]) precos_com_desconto = precos * 0.85 # 15% de desconto em todos # Estatísticas print(f"Média: R$ {precos.mean():.2f}") print(f"Desvio padrão: R$ {precos.std():.2f}") # Álgebra linear matriz = np.array([[1, 2], [3, 4]]) inversa = np.linalg.inv(matriz) autovalores = np.linalg.eigvals(matriz) ``` NumPy é usado internamente por praticamente toda biblioteca de data science — Pandas, scikit-learn, TensorFlow, PyTorch. ## Visualização de Dados ### Matplotlib O [Matplotlib](/glossario/matplotlib/) é a biblioteca de visualização mais tradicional e completa do Python. Oferece controle total sobre cada aspecto do gráfico: ```python import matplotlib.pyplot as plt import numpy as np fig, axes = plt.subplots(1, 2, figsize=(12, 5)) # Gráfico de barras categorias = ["Python", "JavaScript", "Go", "Rust", "Kotlin"] salarios = [12500, 11000, 15000, 16000, 13500] axes[0].barh(categorias, salarios, color="#306998") axes[0].set_title("Salário Médio por Linguagem") axes[0].set_xlabel("R$/mês") # Gráfico de linha meses = np.arange(1, 13) vagas = [120, 135, 150, 180, 210, 250, 230, 260, 290, 310, 340, 380] axes[1].plot(meses, vagas, marker="o", color="#FFD43B") axes[1].set_title("Vagas Python por Mês (2026)") axes[1].set_xlabel("Mês") axes[1].set_ylabel("Vagas") plt.tight_layout() plt.savefig("analise.png", dpi=150) plt.show() ``` Veja nosso [guia de Matplotlib](/blog/introducao-ao-matplotlib/) para exemplos detalhados. ### Seaborn O **Seaborn** é construído sobre Matplotlib e oferece gráficos estatísticos mais bonitos com menos código: ```python import seaborn as sns # Gráfico estatístico em uma linha sns.boxplot(data=df, x="senioridade", y="salario", palette="Blues") plt.title("Distribuição Salarial por Senioridade") ``` ### Plotly O **Plotly** cria gráficos interativos que podem ser explorados no browser — zoom, hover, filtros: ```python import plotly.express as px fig = px.scatter( df, x="anos_experiencia", y="salario", color="linguagem", size="projetos", title="Salário vs Experiência" ) fig.show() ``` ### Comparativo de Visualização | Biblioteca | Tipo | Interatividade | Curva de Aprendizado | Melhor para | |---|---|---|---|---| | Matplotlib | Estática | Não | Média | Publicações, controle total | | Seaborn | Estática | Não | Baixa | Gráficos estatísticos | | Plotly | Interativa | Sim | Baixa | Dashboards, exploração | | Altair | Declarativa | Sim | Baixa | Visualizações rápidas | | Bokeh | Interativa | Sim | Média | Apps web interativos | ## Machine Learning ### scikit-learn O **scikit-learn** é o framework de machine learning mais usado do mundo. Interface consistente, documentação excelente e algoritmos para praticamente tudo: ```python from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import classification_report # Preparar dados X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42 ) # Treinar modelo modelo = RandomForestClassifier(n_estimators=100, random_state=42) modelo.fit(X_train, y_train) # Avaliar previsoes = modelo.predict(X_test) print(classification_report(y_test, previsoes)) ``` Confira nosso [guia de machine learning com Python](/blog/python-e-machine-learning-iniciantes/) para começar. ### Ecossistema de ML Avançado Para projetos mais complexos: - **XGBoost / LightGBM** — gradient boosting otimizado, top em competições Kaggle - **PyTorch** — deep learning com autograd dinâmico, preferido por pesquisadores - **TensorFlow / Keras** — deep learning com deploy em produção (TFServing, TFLite) - **Hugging Face Transformers** — modelos de NLP pré-treinados (BERT, GPT, etc.) - **LangChain** — integração com [LLMs e APIs de IA](/blog/python-e-llms-apis-inteligencia-artificial/) ## Dashboards e Apps de Dados ### Streamlit O [Streamlit](/blog/criando-dashboards-com-streamlit/) permite criar dashboards e apps de dados com puro Python — sem HTML, CSS ou JavaScript: ```python import streamlit as st import pandas as pd st.title("Dashboard de Vendas") df = pd.read_csv("vendas.csv") regiao = st.selectbox("Região:", df["região"].unique()) df_filtrado = df[df["região"] == regiao] st.metric("Total de Vendas", f"R$ {df_filtrado['valor'].sum():,.2f}") st.bar_chart(df_filtrado.groupby("produto")["valor"].sum()) ``` ### Alternativas - **Gradio** — interfaces para modelos de ML (demos rápidos) - **Panel** — dashboards analíticos avançados - **Dash** — dashboards com Plotly (mais customizável, mais complexo) ## O Stack Recomendado para Data Science em 2026 | Necessidade | Ferramenta | Nível | |---|---|---| | Ambiente interativo | JupyterLab | Todos | | Manipulação de dados | Pandas + Polars | Todos | | SQL em dados locais | DuckDB | Intermediário+ | | Computação numérica | NumPy | Todos | | Visualização estática | Matplotlib + Seaborn | Todos | | Visualização interativa | Plotly | Intermediário+ | | Machine Learning | scikit-learn | Intermediário+ | | Deep Learning | PyTorch | Avançado | | Dashboards | Streamlit | Intermediário+ | | Validação de dados | [Pydantic](/blog/pydantic-validacao-dados-python/) | Intermediário+ | ## Conclusão O ecossistema Python para data science é imbatível em 2026. A tendência é a adoção crescente de ferramentas de alta performance como Polars e DuckDB (ambas escritas em Rust), enquanto Pandas, NumPy e scikit-learn continuam como a fundação sólida do dia a dia. Se você está começando em data science, foque primeiro em Pandas, Matplotlib e scikit-learn. Depois, explore Polars para performance e Streamlit para compartilhar seus resultados. > **Dica para o mercado de trabalho:** empresas brasileiras buscam profissionais que dominem esse stack. Confira as [vagas disponíveis](/vagas/) e os [salários na área](/carreira/salarios-python-brasil/). E se você está explorando linguagens complementares para data engineering, veja Go e Kotlin — ambas muito usadas em pipelines de dados. Para referência rápida da linguagem, acesse nosso [cheatsheet Python](/cheatsheet/), e para entender conceitos fundamentais, explore o [glossário](/glossario/).