Dados on Python Brasil — Aprenda Python em Português

Polars em Python: A Alternativa Rápida ao Pandas — 2026 | Python Brasil

Wed, 25 Mar 2026 00:00:00 +0000

Se você trabalha com dados em Python, provavelmente já usa o Pandas no dia a dia. Ele é a biblioteca padrão para manipulação de DataFrames há mais de uma década. Mas nos últimos anos, uma alternativa vem ganhando espaço rapidamente: o Polars — uma biblioteca de DataFrames escrita em Rust, projetada para ser extremamente rápida e eficiente em memória.

Neste artigo, vamos explorar o que torna o Polars especial, comparar com o Pandas em benchmarks reais, e mostrar como começar a usá-lo nos seus projetos.

Pydantic em Python: Validação de Dados

Mon, 23 Mar 2026 00:00:00 +0000

Trabalhar com dados externos — APIs, formulários, arquivos JSON, bancos de dados — é uma das tarefas mais comuns no dia a dia de quem programa em Python. O problema é que dados externos são imprevisíveis: campos faltando, tipos errados, valores fora do esperado. É aí que o Pydantic entra em cena, oferecendo validação e serialização de dados com uma API elegante e performática.

O Que É Pydantic e Por Que Usar

Pydantic é uma biblioteca Python para validação de dados usando type hints. Em vez de escrever dezenas de if e isinstance para verificar se seus dados estão corretos, você define um modelo com tipos e o Pydantic cuida de toda a validação automaticamente.

Web Scraping com Python: Tutorial Completo

Sun, 15 Mar 2026 00:00:00 +0000

Web scraping é a técnica de extrair dados de páginas web automaticamente. Python é a linguagem mais popular para isso, graças a bibliotecas como requests e BeautifulSoup. Neste tutorial, você vai aprender desde o básico até projetos práticos completos.

Configuração Inicial

# Instalar as bibliotecas necessárias
# pip install requests beautifulsoup4 lxml

import requests
from bs4 import BeautifulSoup

Conceitos Básicos

Fazendo Requisições HTTP

import requests

# GET simples
response = requests.get("https://httpbin.org/get")
print(f"Status: {response.status_code}")
print(f"Tipo do conteúdo: {response.headers['content-type']}")
print(f"Tamanho: {len(response.text)} caracteres")

# Com headers personalizados (boa prática!)
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
                  "AppleWebKit/537.36 (KHTML, like Gecko) "
                  "Chrome/120.0.0.0 Safari/537.36",
    "Accept-Language": "pt-BR,pt;q=0.9,en;q=0.8",
}

response = requests.get("https://httpbin.org/headers", headers=headers)
print(response.json())

# Com parâmetros de query
params = {"q": "python", "page": 1}
response = requests.get("https://httpbin.org/get", params=params)
print(f"URL final: {response.url}")

Entendendo HTML

Antes de fazer scraping, é essencial entender a estrutura básica do HTML:

Pydantic: O que É e Como Funciona | Python Brasil

Thu, 05 Mar 2026 00:00:00 +0000

O que é Pydantic?

O Pydantic é a biblioteca mais popular do Python para validação de dados usando type hints. Ele garante que os dados recebidos estejam no formato correto, fazendo conversões automáticas e levantando erros claros quando algo está errado.

É a biblioteca padrão de validação do FastAPI e é amplamente usada em projetos profissionais para parsing de configurações, validação de entradas de API, integração com bancos de dados e muito mais.

Dataclass em Python: O que É e Como Funciona | Python Brasil

Sun, 22 Feb 2026 00:00:00 +0000

O que é Dataclass?

Uma dataclass é uma forma simplificada de criar classes em Python que servem principalmente para armazenar dados. Introduzida no Python 3.7 (PEP 557), ela gera automaticamente métodos como __init__, __repr__ e __eq__, reduzindo drasticamente o boilerplate.

O resultado é código mais limpo, mais legível e menos propenso a erros de digitação nos métodos repetitivos.

Antes e depois: a diferença em prática

# SEM dataclass (muito código repetitivo)
class ProdutoAntigo:
    def __init__(self, nome, preco, quantidade):
        self.nome = nome
        self.preco = preco
        self.quantidade = quantidade

    def __repr__(self):
        return f"Produto(nome='{self.nome}', preco={self.preco}, quantidade={self.quantidade})"

    def __eq__(self, other):
        if not isinstance(other, ProdutoAntigo):
            return NotImplemented
        return (self.nome == other.nome and
                self.preco == other.preco and
                self.quantidade == other.quantidade)

# COM dataclass (limpo e conciso)
from dataclasses import dataclass

@dataclass
class Produto:
    nome: str
    preco: float
    quantidade: int = 0

p1 = Produto("Notebook", 3500.0, 5)
p2 = Produto("Notebook", 3500.0, 5)
print(p1)          # Produto(nome='Notebook', preco=3500.0, quantidade=5)
print(p1 == p2)    # True — __eq__ gerado automaticamente

A função field() em detalhe

field() controla o comportamento individual de cada campo:

Matplotlib: O que É e Como Funciona | Python Brasil

Tue, 10 Feb 2026 00:00:00 +0000

O que e Matplotlib?

Matplotlib e a biblioteca de visualizacao de dados mais utilizada em Python. Ela permite criar graficos estaticos, interativos e animados com qualidade para publicacao. Matplotlib e a base sobre a qual outras bibliotecas de visualizacao como Seaborn e pandas plotting sao construidas. Com ela, voce pode gerar graficos de linha, barra, dispersao, histogramas, pizza, mapas de calor e dezenas de outros tipos.

A interface principal e o modulo pyplot, que fornece uma API semelhante ao MATLAB para criacao rapida de graficos.

Dashboards Interativos com Streamlit

Wed, 28 Jan 2026 00:00:00 +0000

Streamlit transformou a forma como desenvolvedores Python criam aplicacoes de dados. Em vez de aprender HTML, CSS e JavaScript, voce escreve apenas Python e o Streamlit gera uma interface web interativa automaticamente. Neste artigo, vamos construir dashboards profissionais do zero, cobrindo graficos, filtros, cache e deploy.

Instalacao e Primeiro Dashboard

Instale o Streamlit e crie seu primeiro app:

pip install streamlit pandas plotly

Crie um arquivo app.py:

import streamlit as st
import pandas as pd

st.set_page_config(page_title="Dashboard de Vendas", layout="wide")

st.title("Dashboard de Vendas")
st.markdown("Analise completa das vendas da empresa")

# Dados de exemplo
dados = pd.DataFrame({
    "Mes": ["Jan", "Fev", "Mar", "Abr", "Mai", "Jun",
            "Jul", "Ago", "Set", "Out", "Nov", "Dez"],
    "Vendas": [45000, 52000, 48000, 55000, 61000, 58000,
               63000, 67000, 59000, 71000, 75000, 82000],
    "Meta": [50000, 50000, 50000, 55000, 55000, 55000,
             60000, 60000, 60000, 70000, 70000, 70000],
    "Clientes": [120, 135, 128, 142, 156, 149,
                 163, 171, 155, 180, 192, 205],
})

# Metricas no topo
col1, col2, col3, col4 = st.columns(4)
col1.metric("Vendas Totais", f"R$ {dados['Vendas'].sum():,.0f}")
col2.metric("Media Mensal", f"R$ {dados['Vendas'].mean():,.0f}")
col3.metric("Melhor Mes", f"R$ {dados['Vendas'].max():,.0f}")
col4.metric("Total Clientes", f"{dados['Clientes'].sum():,}")

st.dataframe(dados, use_container_width=True)

Execute com:

Machine Learning com Python — 2025 | Python Brasil

Thu, 15 Jan 2026 00:00:00 +0000

Machine Learning deixou de ser um tema exclusivo de pesquisadores e se tornou uma habilidade cada vez mais requisitada no mercado. Com Python e a biblioteca scikit-learn, voce consegue construir modelos de classificacao, regressao e agrupamento de forma acessivel. Neste guia, a gente vai explorar os conceitos fundamentais e construir modelos reais passo a passo.

O Que e Machine Learning?

Machine Learning e um ramo da inteligencia artificial onde algoritmos aprendem padroes a partir de dados, sem serem explicitamente programados para cada regra. Existem tres tipos principais: aprendizado supervisionado (com respostas conhecidas), nao-supervisionado (sem respostas) e por reforco (aprendizado por tentativa e erro).

Introdução ao Matplotlib — 2025 | Python Brasil

Wed, 22 Oct 2025 00:00:00 +0000

A visualização de dados é uma etapa fundamental em qualquer análise. Números em tabelas podem ser difíceis de interpretar, mas um gráfico bem feito comunica padrões, tendências e anomalias de forma imediata. Matplotlib é a biblioteca de visualização mais consolidada do ecossistema Python, servindo como base para outras bibliotecas como Seaborn e sendo integrada ao Pandas.

Neste artigo, vamos aprender a criar os tipos de gráfico mais utilizados no dia a dia, personalizar a aparência visual e exportar figuras prontas para relatórios e apresentações.

CSV: O que É e Como Funciona | Python Brasil

Fri, 05 Sep 2025 00:00:00 +0000

O que e CSV?

CSV (Comma-Separated Values) e um formato de arquivo simples para armazenar dados tabulares em texto puro. Cada linha representa um registro e os campos sao separados por um delimitador — geralmente virgula, mas pode ser ponto-e-virgula, tab ou outro caractere. CSV e amplamente usado para importacao e exportacao de dados entre sistemas, planilhas e bancos de dados.

Python possui o modulo embutido csv que facilita a leitura e escrita de arquivos CSV, tratando automaticamente casos especiais como campos com virgulas, quebras de linha e aspas.

Trabalhando com JSON em Python — 2025 | Python Brasil

Mon, 28 Jul 2025 00:00:00 +0000

JSON (JavaScript Object Notation) e o formato de dados mais usado na web. Praticamente toda API retorna JSON, arquivos de configuracao usam JSON e ate bancos NoSQL armazenam documentos nesse formato. Python oferece suporte nativo excelente para trabalhar com JSON atraves do modulo json. Neste guia, a gente vai explorar tudo que voce precisa saber.

O Modulo json do Python

O modulo json ja vem incluso no Python e oferece quatro funcoes principais:

JSON: O que É e Como Funciona | Python Brasil

Sun, 20 Jul 2025 00:00:00 +0000

O que e JSON?

JSON (JavaScript Object Notation) e um formato leve de troca de dados, facil de ler e escrever para humanos e simples de interpretar e gerar para maquinas. Apesar do nome fazer referencia a JavaScript, JSON e independente de linguagem e se tornou o formato padrao para comunicacao entre APIs, arquivos de configuracao e armazenamento de dados estruturados.

Python possui o modulo embutido json que oferece suporte completo para codificar (serializar) objetos Python em strings JSON e decodificar (deserializar) strings JSON em objetos Python.