Introdução ao Python: como preparar o ambiente de trabalho

Introdução

Cada linguagem de programação tem o seu propósito, com sua criação sendo pensada exatamente em resolver algum problema em específico, como no caso do R, que foi desenvolvido por estatísticos visando facilitar o trabalho de análise estatística em geral, e consequentemente para a análise de dados. Mas, e o Python? No post de hoje, iremos explicar o propósito do Python, bem como ensinar a preparar seu ambiente, realizando a instalação da linguagem, da IDE Jupyter Notebook e também como utilizada através do Google.

O Python foi desenvolvido com o propósito de se obter uma linguagem com sintaxe simples, no qual fosse fácil de se aprender, e que tivesse legibilidade de código, priorizando o programador, ao invés de outras variáveis. Por consequente criou-se uma facilidade da linguagem em criação de códigos para aplicações diversas, sendo necessário poucas linhas para criar essas aplicações e também integra-la com outra aplicações. Com o fácil uso e aprendizagem por parte do usuário da linguagem, e com a possibilidade de seu uso em diversas aplicações, o Python se uniu ao que se conhece como linguagem de propósito geral, no qual não há um objetivo em específico para seu uso, sendo assim, sua capacidade de se integrar em diferente áreas permitiu que se tornasse em grande sucesso. E isso também se concentra na área de Análise de dados, no qual o Python se mostrou eficiente.

Como toda linguagem de programação, o Python necessita ser instalado nos computadores, e segue dois passos (apenas um obrigatório) para seu uso. Primeiro, deve-se instalar a linguagem em si, para que possa utilizar direto do Prompt de comando do computador. A segunda etapa, se configura na instalação de um Ambiente de Desenvolvimento Integrado (Integrated Development Environment - IDE), no qual permite o melhor uso da linguagem, entregando diversas funcionalidades e atalhos, além de possuir um ambiente mais  agradável e conciso para sua utilização. Existem diversos IDE's, cada usuário escolhe aquele que melhor satifaz seus gostos. Para o Python, existem diversos: Jupyter Notebook (que ensinaremos a instalar aqui); Pycharm; Spyder Notebook, entre diversos outros. Todos estes IDE's podem ser utilizados instalando o gerenciador Anaconda, que visa simplificar o uso de IDE's .

Para a utilização online do Python o Google Colab  simplifica ao máximo o uso do Python, sendo necessário apenas um conta do Google e uma rede. Explicaremos melhor adiante.

Instalando a linguagem Python

O primeiro passo para instalar a linguagem seguem acessar o site do Python, acessar a página de downloads (https://www.python.org/downloads/) e baixar o instalador de acordo com seu Sistema Operacional.

 

Após o download, execute o instalador. Um ponto importante: selecione a caixa "Add Python 3.10 to PATH", que evitará maiores problemas com seu OS. Em seguida, é recomendado instalar via Install Now, com a confirmação da instalação do programação como Administrador.

Após a instalação, certifique também de selecionar "Disable path length limit" para evitar maiores problemas.

Instalando o Jupyter Notebook

Feito todos estes passos, você possui o Python em sua máquina. Você pode utilizá-la direto do Prompt de Comando, que é como iremos  realizar a instalação do IDE Jupyter Notebook.

Para abrir o Prompt de Comando, você pode pesquisar através da pesquisa de seu OS e abri-lo. Outra forma é procurar por "executar" na barra de pesquisa do OS (Windows + R para o atalho) e escrever "cmd" e em seguida OK.

Com o Prompt aberto, digitaremos "pip install jupyter", que é um comando do Python para a instalação do Jupyter Notebook.

 

Após a instalação ser finalizada, você pode continuar utilizando o mesmo Prompt (na imagem realizei a limpeza do Prompt), e escrever "python -m notebook" e executar para abrir o Jupyter Notebook.

O Jupyter será aberto, e como página inicial mostrará os arquivos de sua máquina. Para utilizar a linguagem, clique em "New" -> "Python 3 (ipykernel)". Será aberto uma nova página contendo a página de utilização da linguagem com suas diversas funcionalidades.

Através desta página, é possível criar o código, salvá-lo e diversos formatos. Realizar uploads de arquivos já escritos.

Google Colab

O Google Colab é uma forma extremamente simples de utilizar a linguagem Python em conjunto com uma IDE. O ponto forte está na sua capacidade de fácil integração (Google Drive, Github, entre outros), além de não ser necessário ter instalado a linguagem na máquina.

Para acessar , basta ir no site https://colab.research.google.com/, ter uma conta Google e criar um novo notebook. É possível também realizar o upload de arquivos Python.

Ao criar um Novo notebook, será aberto uma nova página, que será a IDE de uso do Python, semelhante ao Jupyter Notebook, como mostra a imagem abaixo.

Feito isso, você pode se divertir criando os códigos. Aqui na Análise Macro ensinamos através de nossos curso a como utilizar o Python, criando códigos de Estatística Aplicada, Python para Econometria e também um Curso voltado totalmente para Economistas, no qual ensinamos a teoria e prática da análise de dados para Economia e Finanças.

Oferta Especial!

No próximo dia 10, das 9h às 19h da manhã, abriremos as inscrições do pacote R e Python para Análise de Dados com um condição super especial. Para concorrer a uma das vagas com desconto, acesse o link e conheça os detalhes.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do Python.

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.