Exercícios - Métodos e Funções

 

In [2]:

# Exercício 1 - Crie uma função que imprima a sequência de números pares entre 1 e 20 (a função não recebe parâmetro) e 

# depois faça uma chamada à função para listar os números

def listaPar():

    for i in range(2, 21, 2): 

        print(i)

listaPar()        

2
4
6
8
10
12
14
16
18
20

In [3]:

# Exercício 2 - Crie uam função que receba uma string como argumento e retorne a mesma string em letras maiúsculas.

# Faça uma chamada à função, passando como parâmetro uma string

def listaString(texto):

    print(texto.upper())

    return

​

listaString('Rumo à Análise de Dados')

RUMO À ANÁLISE DE DADOS

In [8]:

# Exercício 3 - Crie uma função que receba como parâmetro uma lista de 4 elementos, adicione 2 elementos a lista e 

# imprima a lista

def novaLista(lista):

    print(lista.append(5))

    print(lista.append(6))

lista1 = [1, 2, 3, 4]   

novaLista(lista1)

print(lista1)

None
None
[1, 2, 3, 4, 5, 6]

In [9]:

# Exercício 4 - Crie uma função que receba um argumento formal e uma possível lista de elementos. Faça duas chamadas 

# à função, com apenas 1 elemento e na segunda chamada com 4 elementos

def printNum( arg1, *lista ):

    print (arg1)

    for i in lista:

        print (i)

    return;

​

# Chamada à função

printNum( 100 )

printNum( 'A', 'B', 'C' )

100
A
B
C

In [6]:

# Exercício 5 - Crie uma função anônima e atribua seu retorno a uma variável chamada soma. A expressão vai receber 2 

# números como parâmetro e retornar a soma deles

soma = lambda arg1, arg2: arg1 + arg2

print ("A soma é : ", soma( 452, 298 ))

A soma é :  750

In [10]:

# Exercício 6 - Execute o código abaixo e certifique-se que compreende a diferença entre variável global e local

​

total = 0

def soma( arg1, arg2 ):

    total = arg1 + arg2; 

    print ("Dentro da função o total é: ", total)

    return total;

​

​

soma( 10, 20 );

print ("Fora da função o total é: ", total)

Dentro da função o total é:  30
Fora da função o total é:  0

In [11]:

# Exercício 7 - Abaixo você encontra uma lista com temperaturas em graus Celsius

# Crie uma função anônima que converta cada temperatura para Fahrenheit

# Dica: para conseguir realizar este exercício, você deve criar sua função lambda, dentro de uma função 

# (que será estudada no próximo capítulo). Isso permite aplicar sua função a cada elemento da lista

# Como descobrir a fórmula matemática que converte de Celsius para Fahrenheit? Pesquise!!!

Celsius = [39.2, 36.5, 37.3, 37.8]

Fahrenheit = map(lambda x: (float(9)/5)*x + 32, Celsius)

print (list(Fahrenheit))

[102.56, 97.7, 99.14, 100.03999999999999]

In [12]:

# Exercício 8

# Crie um dicionário e liste todos os métodos e atributos do dicionário

dic = {'k1': 'Natal', 'k2': 'Recife'}

dir(dic)

Out[12]:

['__class__',
 '__class_getitem__',
 '__contains__',
 '__delattr__',
 '__delitem__',
 '__dir__',
 '__doc__',
 '__eq__',
 '__format__',
 '__ge__',
 '__getattribute__',
 '__getitem__',
 '__gt__',
 '__hash__',
 '__init__',
 '__init_subclass__',
 '__ior__',
 '__iter__',
 '__le__',
 '__len__',
 '__lt__',
 '__ne__',
 '__new__',
 '__or__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__reversed__',
 '__ror__',
 '__setattr__',
 '__setitem__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 'clear',
 'copy',
 'fromkeys',
 'get',
 'items',
 'keys',
 'pop',
 'popitem',
 'setdefault',
 'update',
 'values']

In [13]:

import pandas as pd

pd.__version__

Out[13]:

'1.4.4'

In [14]:

# Exercício 9

# Abaixo você encontra a importação do Pandas, um dos principais pacotes Python para análise de dados.

# Analise atentamente todos os métodos disponíveis. Um deles você vai usar no próximo exercício.

import pandas as pd

dir(pd)

Out[14]:

['BooleanDtype',
 'Categorical',
 'CategoricalDtype',
 'CategoricalIndex',
 'DataFrame',
 'DateOffset',
 'DatetimeIndex',
 'DatetimeTZDtype',
 'ExcelFile',
 'ExcelWriter',
 'Flags',
 'Float32Dtype',
 'Float64Dtype',
 'Float64Index',
 'Grouper',
 'HDFStore',
 'Index',
 'IndexSlice',
 'Int16Dtype',
 'Int32Dtype',
 'Int64Dtype',
 'Int64Index',
 'Int8Dtype',
 'Interval',
 'IntervalDtype',
 'IntervalIndex',
 'MultiIndex',
 'NA',
 'NaT',
 'NamedAgg',
 'Period',
 'PeriodDtype',
 'PeriodIndex',
 'RangeIndex',
 'Series',
 'SparseDtype',
 'StringDtype',
 'Timedelta',
 'TimedeltaIndex',
 'Timestamp',
 'UInt16Dtype',
 'UInt32Dtype',
 'UInt64Dtype',
 'UInt64Index',
 'UInt8Dtype',
 '__all__',
 '__builtins__',
 '__cached__',
 '__deprecated_num_index_names',
 '__dir__',
 '__doc__',
 '__docformat__',
 '__file__',
 '__getattr__',
 '__git_version__',
 '__loader__',
 '__name__',
 '__package__',
 '__path__',
 '__spec__',
 '__version__',
 '_config',
 '_is_numpy_dev',
 '_libs',
 '_testing',
 '_typing',
 '_version',
 'api',
 'array',
 'arrays',
 'bdate_range',
 'compat',
 'concat',
 'core',
 'crosstab',
 'cut',
 'date_range',
 'describe_option',
 'errors',
 'eval',
 'factorize',
 'get_dummies',
 'get_option',
 'infer_freq',
 'interval_range',
 'io',
 'isna',
 'isnull',
 'json_normalize',
 'lreshape',
 'melt',
 'merge',
 'merge_asof',
 'merge_ordered',
 'notna',
 'notnull',
 'offsets',
 'option_context',
 'options',
 'pandas',
 'period_range',
 'pivot',
 'pivot_table',
 'plotting',
 'qcut',
 'read_clipboard',
 'read_csv',
 'read_excel',
 'read_feather',
 'read_fwf',
 'read_gbq',
 'read_hdf',
 'read_html',
 'read_json',
 'read_orc',
 'read_parquet',
 'read_pickle',
 'read_sas',
 'read_spss',
 'read_sql',
 'read_sql_query',
 'read_sql_table',
 'read_stata',
 'read_table',
 'read_xml',
 'reset_option',
 'set_eng_float_format',
 'set_option',
 'show_versions',
 'test',
 'testing',
 'timedelta_range',
 'to_datetime',
 'to_numeric',
 'to_pickle',
 'to_timedelta',
 'tseries',
 'unique',
 'util',
 'value_counts',
 'wide_to_long']

In [15]:

# ************* Desafio ************* (pesquise na documentação Python)

​

# Exercício 10 - Crie uma função que receba o arquivo abaixo como argumento e retorne um resumo estatístico descritivo 

# do arquivo. Dica, use Pandas e um de seus métodos, describe()

# Arquivo: "binary.csv"

import pandas as pd

file_name = "binary.csv"

​

def retornaArq(file_name):

    df = pd.read_csv(file_name)

    return df.describe()

retornaArq(file_name)  

Out[15]:

	admit	gre	gpa	rank
count	5.000000	5.000000	5.000000	5.000000
mean	0.600000	616.000000	3.480000	3.000000
std	0.547723	185.148589	0.421307	1.224745
min	0.000000	380.000000	2.930000	1.000000
25%	0.000000	520.000000	3.190000	3.000000
50%	1.000000	640.000000	3.610000	3.000000
75%	1.000000	660.000000	3.670000	4.000000
max	1.000000	880.000000	4.000000	4.000000