Tópico 4 - Strings e Arrays

Vetores (Arrays) representam um conjunto básico de dados. Vamos aprender como usar os mesmos.

Resultados Esperados

Entender tipos em Python, em particular a String
Saber o que é a biblioteca numpy
Conhecimento básico de manipulação de arrays

Material Adaptado do DSC10 (UCSD)

Recursos 🤝

Estamos cobrindo muito conteúdo muito rapidamente. Se você está sobrecarregado, saiba que estamos aqui para apoiá-lo!
Os monitores foram definidos. Olhem a mensagem no moodle.
Procurem o professor depois da aula!

Agenda

Strings
Listas.
Matrizes.
Intervalos.

Strings ou Texto

Strings

Uma string é um trecho de texto de qualquer comprimento.
Em Python, as strings são colocadas entre aspas simples ou duplas.

#In: 
'woof'

'woof'

#In: 
type('woof')

str

#In: 
"woof"

'woof'

#In: 
# A string, not an int!
"1998"

'1998'

Aritmética de strings

Ao usar o símbolo + entre duas strings, a operação é chamada de “concatenação”.

#In: 
s1 = 'baby'
s2 = '🐼'

#In: 
s1 + s2

'baby🐼'

#In: 
s1 + ' ' + s2

'baby 🐼'

#In: 
s2 * 3

'🐼🐼🐼'

Métodos de string

Strings estão associadas a certas funções chamadas métodos de string.
Acesse métodos de string com um . após a string (“notação de ponto”).
Por exemplo, para usar o método upper na string s, escrevemos s.upper().
Exemplos incluem upper, title e replace.

#In: 
my_cool_string = 'data science is super cool!'

#In: 
my_cool_string.title()

'Data Science Is Super Cool!'

#In: 
my_cool_string.upper()

'DATA SCIENCE IS SUPER COOL!'

#In: 
my_cool_string.replace('super cool', '💯' * 3)

'data science is 💯💯💯!'

#In: 
# len is not a method, since it doesn't use dot notation
len(my_cool_string)

Caracteres especiais em strings

Aspas simples e aspas duplas geralmente são intercambiáveis, exceto quando a própria string contém aspas simples ou duplas.

#In: 
# a linha abaixo gera um erro, descomente e teste
# 'my string's full of apostrophes!'

#In: 
"my string's full of apostrophes!"

"my string's full of apostrophes!"

#In: 
# escape the apostrophe with a backslash!
'my string\'s "full" of apostrophes!'

'my string\'s "full" of apostrophes!'

#In: 
print('my string\'s "full" of apostrophes!')

my string's "full" of apostrophes!

Além: `print`

Por padrão, os notebooks Jupyter exibem o valor “bruto” da expressão da última linha de uma célula.
A função print exibe o valor em texto legível quando é avaliado.

#In: 
12 # 12 won't be displayed, since Python only shows the value of the last expression
23

#In: 
# Note, there is no Out[number] to the left! That only appears when displaying a non-printed value.
# But both 12 and 23 are displayed.
print(12)
print(23)

12
23

#In: 
# '\n' inserts a new line
my_newline_str = 'here is a string with two lines.\nhere is the second line'  
my_newline_str

'here is a string with two lines.\nhere is the second line'

#In: 
# The quotes disappeared and the newline is rendered!
print(my_newline_str)  

here is a string with two lines.
here is the second line

Conversão de tipo de e para strings

Qualquer valor pode ser convertido em uma string usando str.
Algumas strings podem ser convertidas para int e float.

#In: 
str(3)

'3'

#In: 
float('3')

3.0

#In: 
int('4')

#In: 
int('baby panda')

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

Cell In[25], line 1
----> 1 int('baby panda')

ValueError: invalid literal for int() with base 10: 'baby panda'

Verificação de conceito ✅

Suponha que você executou as seguintes instruções:

x = 3
y = '4'
z = '5.6'

Escolha a expressão que será avaliada sem erro.

R. x + y

B. x + int(y + z)

C.str(x) + int(y)

D. str (x) + z

E. Todos eles têm erros

Listas

Motivação

Como armazenaríamos as temperaturas de cada um dos primeiros 6 dias do mês de setembro?

Nossa melhor solução agora é criar uma variável separada para cada dia.

#In: 
temperature_on_sept_01 = 84
temperature_on_sept_02 = 78
temperature_on_sept_03 = 81
temperature_on_sept_04 = 75
temperature_on_sept_05 = 79
temperature_on_sept_06 = 75

Isso tecnicamente nos permite fazer coisas como calcular a temperatura média durante os primeiros 6 dias:

avg_temperature = 1/6 * (
    temperature_on_sept_01
    + temperature_on_sept_02
    + temperature_on_sept_03
    + ...)

Imagine os dados de um mês inteiro ou os dados de um ano inteiro. Parece que precisamos de uma solução melhor.

Listas em Python

Em Python, uma lista é usada para armazenar vários valores em um único valor/variável. Para criar uma nova lista do zero, usamos [colchetes].

#In: 
temperature_list = [84, 78, 81, 75, 79, 75]

#In: 
len(temperature_list)

Observe que os elementos de uma lista não precisam ser únicos!

As listas facilitam o trabalho com sequências!

Para encontrar a temperatura média, basta dividir a soma das temperaturas pelo número de temperaturas registradas:

#In: 
temperature_list

[84, 78, 81, 75, 79, 75]

#In: 
sum(temperature_list) / len(temperature_list)

78.66666666666667

Tipos

O tipo de uma lista é… lista.

#In: 
temperature_list

[84, 78, 81, 75, 79, 75]

#In: 
type(temperature_list)

list

Dentro de uma lista, você pode armazenar elementos de diferentes tipos.

#In: 
mixed_list = [-2, 2.5, 'ucsd', [1, 3]]
mixed_list

[-2, 2.5, 'ucsd', [1, 3]]

Há um problema…

As listas são muito lentas.
Isso não é grande coisa quando não há muitas entradas, mas é um grande problema quando há milhões ou bilhões de entradas.

Matrizes

NumPy

NumPy (pronuncia-se “num pie”) é uma biblioteca (módulo) Python que fornece suporte para arrays e operações neles.
A biblioteca babypandas, sobre a qual você aprenderá no próximo tópico, anda de mãos dadas com o NumPy.
NumPy é muito usado no mundo real.
Para usar numpy, precisamos importá-lo. Geralmente é importado como np (mas não precisa ser!)

#In: 
import numpy as np

Matrizes

Pense nos arrays NumPy (apenas “arrays” de agora em diante) como listas sofisticadas e mais rápidas.

Para criar um array, passamos uma lista como entrada para a função np.array.

#In: 
np.array([4, 9, 1, 2])

array([4, 9, 1, 2])

#In: 
temperature_array = np.array([84, 78, 81, 75, 79, 75])
temperature_array

array([84, 78, 81, 75, 79, 75])

#In: 
temperature_list

[84, 78, 81, 75, 79, 75]

#In: 
# No square brackets, because temperature_list is already a list!
np.array(temperature_list)

array([84, 78, 81, 75, 79, 75])

Posições

Quando as pessoas ficam em fila, cada pessoa tem uma posição.

Da mesma forma, cada elemento de um array (e lista) possui uma posição.

Acessando elementos por posição

Python, como a maioria das linguagens de programação, é “indexado em 0”.
Isso significa que a posição do primeiro elemento em uma matriz é 0, não 1.
Um motivo: a posição de um elemento representa o número de elementos à sua frente.
Para acessar o elemento do array arr_name na posição pos, usamos a sintaxe arr_name[pos].

#In: 
temperature_array

array([84, 78, 81, 75, 79, 75])

#In: 
temperature_array[0]

#In: 
temperature_array[1]

#In: 
temperature_array[3]

#In: 
# Access last element
temperature_array[5]

#In: 
temperature_array[6]

---------------------------------------------------------------------------

IndexError                                Traceback (most recent call last)

Cell In[44], line 1
----> 1 temperature_array[6]

IndexError: index 6 is out of bounds for axis 0 with size 6

#In: 
# If a position is negative, count from the end!
temperature_array[-1]

Tipos

Anteriormente nesta palestra, vimos que as listas podem armazenar elementos de vários tipos.

#In: 
nums_and_strings_lst = ['uc', 'sd', 1961, 3.14]
nums_and_strings_lst

['uc', 'sd', 1961, 3.14]

Isso não é verdade para arrays – todos os elementos de um array devem ser do mesmo tipo.

#In: 
# All elements are converted to strings!
np.array(nums_and_strings_lst)

array(['uc', 'sd', '1961', '3.14'], dtype='<U32')

Aritmética de números de array

As matrizes facilitam a execução da mesma operação em todos os elementos. Este comportamento é formalmente conhecido como “transmissão”.

#In: 
temperature_array

array([84, 78, 81, 75, 79, 75])

#In: 
# Increase all temperatures by 3 degrees
temperature_array + 3

array([87, 81, 84, 78, 82, 78])

#In: 
# Halve all temperatures
temperature_array / 2

array([42. , 39. , 40.5, 37.5, 39.5, 37.5])

#In: 
# Convert all temperatures to Celsius
(5 / 9) * (temperature_array - 32)

array([28.88888889, 25.55555556, 27.22222222, 23.88888889, 26.11111111,
       23.88888889])

Nota: Em nenhuma das células acima modificamos temperature_array! Cada uma dessas expressões criou um novo array.

#In: 
temperature_array

array([84, 78, 81, 75, 79, 75])

Para realmente alterar temperature_array, precisamos reatribuí-lo a um novo array.

#In: 
temperature_array = (5 / 9) * (temperature_array - 32)

#In: 
# Now in Celsius!
temperature_array

array([28.88888889, 25.55555556, 27.22222222, 23.88888889, 26.11111111,
       23.88888889])

Aritmética elemento a elemento

Podemos aplicar operações aritméticas a múltiplos arrays, desde que tenham o mesmo comprimento.
O resultado é calculado por elemento, o que significa que a operação aritmética é aplicada a um par de elementos de cada array por vez.
Por exemplo, a + b é um array cujo primeiro elemento é a soma do primeiro elemento de a e do primeiro elemento de b.

#In: 
a = np.array([1, 2, 3])
b = np.array([-4, 5, 9])

#In: 
a + b

array([-3,  7, 12])

#In: 
a / b

array([-0.25      ,  0.4       ,  0.33333333])

#In: 
a ** 2 + b ** 2

array([17, 29, 90])

Exemplo: visualizações do TikTok 🎬

Baby Panda fez uma série de cinco vídeos no TikTok chamada “Um dia na vida de um mascote da ciência de dados”. O número de visualizações que eles receberam nesses vídeos é armazenado na matriz views abaixo.

#In: 
views = np.array([158, 352, 195, 1423916, 46])

Algumas perguntas:

Qual foi a contagem média de visualizações?

#In: 
views

array([    158,     352,     195, 1423916,      46])

#In: 
sum(views) / len(views)

284933.4

#In: 
# The mean method exists for arrays (but not for lists)
views.mean()

284933.4

Quantas visualizações seus vídeos mais e menos populares receberam?

#In: 
views

array([    158,     352,     195, 1423916,      46])

#In: 
views.max()

#In: 
views.min()

Quantas visualizações acima da média cada um dos vídeos recebeu? Quantas visualizações acima da média o vídeo mais visto recebeu?

#In: 
views

array([    158,     352,     195, 1423916,      46])

#In: 
views - views.mean()

array([-284775.4, -284581.4, -284738.4, 1138982.6, -284887.4])

#In: 
(views - views.mean()).max()

1138982.6

Foi estimated que o TikTok paga aos seus criadores \$0,03 por 1000 visualizações. Se isso for verdade, quantos dólares o Bebê Panda ganhou com seu vídeo mais visto? 💸

#In: 
views

array([    158,     352,     195, 1423916,      46])

#In: 
views.max() * 0.03 / 1000

42.717479999999995

Gamas

Motivação

Muitas vezes precisamos criar arrays como este:

#In: 
days_in_september = np.array([
    1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 
    13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 
    23, 24, 25, 26, 27, 28, 29, 30
])

Precisa haver uma maneira mais fácil de fazer isso!

Intervalos

Um intervalo é uma matriz de números espaçados uniformemente. Criamos intervalos usando np.arange.
A maneira mais geral de criar um intervalo é np.arange(start, end, step). Isso retorna uma matriz tal que:
O primeiro número é start. Por padrão, iniciar é 0.
Todos os números subsequentes são espaçados por step, até (mas excluindo) end. Por padrão, step é 1.

#In: 
# Start at 0, end before 8, step by 1
# This will be our most common use-case!
np.arange(8)

array([0, 1, 2, 3, 4, 5, 6, 7])

#In: 
# Start at 5, end before 10, step by 1
np.arange(5, 10)

array([5, 6, 7, 8, 9])

#In: 
# Start at 3, end before 32, step by 5
np.arange(3, 32, 5)

array([ 3,  8, 13, 18, 23, 28])

#In: 
# Steps can be fractional!
np.arange(-3, 2, 0.5)

array([-3. , -2.5, -2. , -1.5, -1. , -0.5,  0. ,  0.5,  1. ,  1.5])

#In: 
# If step is negative, we count backwards.
np.arange(1, -10, -3)

array([ 1, -2, -5, -8])

Atividade

🎉 Parabéns! 🎉 Você ganhou na loteria 💰. Veja como funciona o seu pagamento: no primeiro dia de setembro, você receberá 0,01. A cada dia seguinte, seu salário dobra, então no segundo dia você recebe 0,02, no terceiro dia você recebe 0,04, no quarto dia você recebe 0,08 e assim por diante.

Setembro tem 30 dias.

Escreva uma expressão de uma linha que use os números 2 e 30, junto com a função np.arange e o método .sum(), que calcula o valor total em dólares você será pago em setembro.

#In: 
...

Ellipsis

Resumo, da próxima vez

Resumo

Strings são usadas para armazenar texto. Coloque-os entre aspas simples ou duplas.
Listas e arrays são usados para armazenar sequências.
Matrizes são mais rápidas e convenientes para operações numéricas.
Você pode executar facilmente operações numéricas em todos os elementos de um array e realizar operações em vários arrays.
Os intervalos são matrizes de números igualmente espaçados.
Lembre-se de consultar os recursos desde o início da palestra!

Próxima vez

Aprenderemos como usar Python para trabalhar com dados tabulares do mundo real.

Tópico 4 - Strings e Arrays

Recursos 🤝

Agenda

Strings ou Texto

Strings

Aritmética de strings

Métodos de string

Caracteres especiais em strings

Além: print

Conversão de tipo de e para strings

Verificação de conceito ✅

Listas

Motivação

Listas em Python

As listas facilitam o trabalho com sequências!

Tipos

Há um problema…

Matrizes

NumPy

Matrizes

Posições

Acessando elementos por posição

Tipos

Aritmética de números de array

Aritmética elemento a elemento

Exemplo: visualizações do TikTok 🎬

Gamas

Motivação

Intervalos

Atividade

Resumo, da próxima vez

Resumo

Próxima vez

Além: `print`