Python: ambiente controlados (funções, if else e loops)

Um ambiente controlado dentro do Python permite criar um fluxo de trabalho com o código, tal qual cada bloco de código representa a criação de funções, iterações e de condições, possibilitando facilitar a vida dos usuários, permitindo otimizar tarefas e tornar mais simples os códigos. No post de hoje iremos ensinar a como criar funções e utilizar o if..else, while, loop.

Controle

Um ponto extremamente importante para a vida dos usuários de linguagens de programação em geral é o controle que se pode obter sobre a linguagem, de forma que a partir do zero, seja criado funções que realizem cálculos complexos repetidas vezes determinadas por condições lógicas, de forma que se otimize as tarefas no Python.
Iremos mostrar a seguir como podemos alcançar essa otimização, explicando individualmente cada operação de controle no Python.

Funções

Conhecemos muitas funções já criadas por bibliotecas do Python, tais quais as funções para análise de dados do Numpy e Pandas e também aquelas que são padrão do Python. Mas, e se quisermos criar nossos próprias funções? Podemos fazer isso definindo uma função com "def", criando também um nome, e logo após construindo a tarefa ou o cálculo que estará contido na função.
Observe que criamos uma função com o nome "f" e no qual retornará o cálculo de 7 vezes o valor inserido na função somado 20.
def f(x):
  return 7*x + 20

f(2)
# 34

If else

O "if" e "else" são funções condicionais que dependem de uma condição que impusermos a elas. Podemos definir essa estrutura, ao mesmo tempo que representamos em um exemplo, da seguinte forma: Se ("if") um número é maior que 30, então retornará a palavra "maior", se não ("else"), retornará "baixo".

def iguala30(x):
  if x > 30:
   print("maior")
  else:
    print("menor")
iguala30(31)
# maior
iguala30(20)
# menor
Veja que criamos a função que depende de um valor lógico, ou seja, pode possuir dois ou mais resultados a depender da função criada.

While loop

O While loop é utilizado de forma que uma instrução seja repetida diversas vezes até que uma determinada condição seja satisfeita. É definido primeiro uma função e depois é construído os valores lógicos com que determinam o que irá acontecer com as iterações e os valores da função criada.
Veja que foi construído uma repetição lógica com nomes "repetir", em que os valores de i forem menor que n, será somado uma unidade a i. Se i não for menor que n, será retornado "Fim da repetição".

def repetir(n):
  i = 5
  while(i < n):
      print(i)
      i = i + 1
  else:
    print("Fim da repetição")

repetir(10)

# 5
# 6
# 7
# 8
# 9
# Fim da repetição

For Loop

Parecido com o While, o For loop realiza uma iteração sobre cada valor com base em uma função que criamos. Se utiliza do código "for" e "in" para determinar a função para a construção da iteração e o objeto iterado.

No exemplo, criamos uma função de nome "carac", que retorna a string inserida e a contagem do número de letras dessa string. O "for" permite que seja passado o resultado esperado para cada elemento da lista (x) com base no "in".

def carac(x):
  for a in x:
   print(a, len(a))

carac(['comida', 'café', 'chocolate'])

# comida 6
# café 4
# chocolate 9
Demonstramos individualmente as peças mais importantes para o controle e criação de códigos no Python. É possível avançar mais com a construção, combinando-as em uma série de códigos, proporcionando ao usuário diversas possibilidades.
__________________________________

Quer aprender mais? 

Nos nossos cursos de Python ensinamos o básico da teoria e aplicação da linguagem. Veja Python para economistas e Estatística usando Python.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.