1. Introdução: Estruturando o Código e Organizando os Dados

Bem-vindos à quarta aula! Hoje, vamos aprofundar nossos conhecimentos em programação para organizar e otimizar nosso trabalho. Começaremos a manipular estruturas de dados mais complexas, como vetores e matrizes, e, em seguida, aprenderemos a usar uma ferramenta poderosa: as funções.

2. Conteúdo Principal

2.1. Conceitos de Vetores e Matrizes em Data Science

Em Python, começamos a manipular dados complexos usando listas:


Manipulação de Vetores (Listas)

Em Data Science, muitas vezes precisamos limpar ou adicionar dados aos nossos vetores.

1. Comandos de Alteração, Inserção e Remoção

Esses comandos são usados para modificar o vetor diretamente, ou seja, são operações in-place.

Comando Descrição Exemplo
append() Adiciona um elemento ao final do vetor. vetor.append(25)
insert() Adiciona um elemento em uma posição específica (índice, valor). vetor.insert(1, 99)
pop() Remove o elemento da última posição vetor.pop()
pop() Remove o elemento por seu índice vetor.pop(0)
remove() Remove o elemento por seu valor vetor.remove(25)
del Remove um elemento por seu índice ou um intervalo. del vetor[0]
Alteração Direta Altera o valor de um elemento pelo seu índice. vetor[2] = 10.5

Exemplo Prático de Modificação:

Python

historico_clientes = [101, 102, 103, 104]
print("1. Histórico Inicial:", historico_clientes)

# 1. Adicionar um novo cliente (Append)
historico_clientes.append(105)
print("2. Cliente 105 adicionado (append):", historico_clientes)

# 2. Inserir um ID perdido na segunda posição (Insert)
historico_clientes.insert(1, 99)
print("3. ID 99 inserido na pos. 1 (insert):", historico_clientes)

# 3. Remover o último cliente por ter cancelado (Pop)
cliente_removido = historico_clientes.pop()
print(f"4. Cliente {cliente_removido} removido (pop):", historico_clientes)

# 4. Remover o primeiro ID, que é um registro antigo (del)
del historico_clientes[0] 
print("5. Registro 101 removido (del):", historico_clientes)

2. Fatiamento (Slicing)

O Fatiamento é essencial para Data Science porque ele permite que você extraia subsets (subconjuntos) dos seus dados para análise, sem alterar o vetor original.

A sintaxe é sempre [início : fim : passo]. Lembre-se: o índice fim é exclusivo (o elemento nesse índice não é incluído).