Pular para o conteúdo principal

Curso

Python intermediário

BásicoNível de habilidade

Atualizado 01/2026

Aumente o nível de suas habilidades em ciência de dados criando visualizações usando Matplotlib e manipulando DataFrames com pandas.

Iniciar curso gratuitamente

PythonProgramming

4 h

18 vídeos

87 Exercícios

7,400 XP

1.4M+

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Melhore suas habilidades em Python

Aprender Python é fundamental para qualquer aspirante a profissional de ciência de dados. Aprenda a visualizar dados reais com as funções da Matplotlib e familiarize-se com estruturas de dados, como o dicionário e o DataFrame do pandas. Este curso intermediário de quatro horas o ajudará a desenvolver suas habilidades atuais em Python e a explorar novas aplicações e funções do Python que ampliam seu repertório e o ajudam a trabalhar com mais eficiência.

Aprenda a usar dicionários e pandas do Python

Os dicionários oferecem uma alternativa às listas do Python, enquanto o DataFrame do pandas é a maneira mais popular de trabalhar com dados tabulares. No segundo capítulo deste curso, você descobrirá como criar e manipular conjuntos de dados e como acessá-los usando essas estruturas. A experiência prática ao longo do curso aumentará sua confiança em cada área.

Explore a lógica booleana e os loops do Python

Na segunda metade deste curso, você verá lógica, fluxo de controle, filtragem e loops. Essas funções servem para controlar a tomada de decisões nos programas Python e ajudam você a realizar mais operações com os dados, incluindo instruções repetidas. Você concluirá o curso aplicando todas as suas novas habilidades usando truques de estatística para calcular suas chances de ganhar uma aposta.

Depois de concluir todos os capítulos, você estará pronto para aplicar suas novas habilidades no seu trabalho, em uma nova carreira ou em um projeto pessoal e estará preparado para seguir rumo a um aprendizado mais avançado de Python.

Pré-requisitos

Introduction to Python

1

Matplotlib

A visualização de dados é uma habilidade fundamental para aspirantes a cientistas de dados. A Matplotlib facilita a criação de gráficos proveitosos e perspicazes. Neste capítulo, você aprenderá a criar vários tipos de gráficos e a personalizá-los para que sejam visualmente mais atraentes e interpretáveis.

Gráficos básicos com a Matplotlib

Gráfico de linhas (1)

Gráfico de linhas (2): Interpretação

Gráfico de linhas (3)

Gráfico de dispersão (1)

Gráfico de dispersão (2)

Crie um histograma (1)

Crie um histograma (2): agrupamentos

Crie um histograma (3): compare

Escolha o gráfico certo (1)

Escolha o gráfico certo (2)

Personalização

Marcas de escala

Mais personalizações

Interpretação

Iniciar capítulo

2

Dicionários e pandas

Conheça o dicionário, uma alternativa à lista do Python, e o DataFrame do pandas, o padrão reconhecido para trabalhar com dados tabulares no Python. Você vai praticar a criação e a manipulação de conjuntos de dados e aprender a acessar as informações necessárias a partir dessas estruturas de dados.

Dicionários – Parte 1

Motivação para dicionários

Crie um dicionário

Acesse um dicionário

Dicionários – Parte 2

Manipulação de dicionários (1)

Manipulação de dicionários (2)

Dicionaricepção

Pandas – Parte 1

Do dicionário ao DataFrame (1)

Do dicionário ao DataFrame (2)

De CSV para DataFrame (1)

De CSV para DataFrame (2)

Pandas – Parte 2

Colchetes (1)

Colchetes (2)

loc e iloc (1)

loc e iloc (2)

loc e iloc (3)

Iniciar capítulo

3

Lógica, fluxo de controle e filtragem

A lógica booleana é a base da tomada de decisões nos programas em Python. Aprenda sobre diferentes operadores de comparação, como combiná-los com operadores booleanos e como usar os resultados booleanos em estruturas de controle. Você também vai aprender a filtrar dados nos DataFrames do pandas usando lógica.

Operadores de comparação

Maior e menor do que

Compare matrizes

Operadores booleanos

and, or, not (1)

and, or, not (2)

Operadores booleanos com o NumPy

if, elif, else

Aquecimento

Adicione else

Personalize ainda mais: elif

Filtragem de DataFrames do pandas

Dirigindo à direita (1)

Dirigindo à direita (2)

Carros per capita (1)

Carros per capita (2)

Iniciar capítulo

4

Loops

Há diversas técnicas que podem ser usadas para repetir a execução de um código Python várias vezes. Os loops while são como instruções if repetidas. Os loops for iteram por todos os tipos de estrutura de dados. Saiba tudo sobre eles neste capítulo.

while: aquecimento

Loop while básico

Inclua condicionais

Loop em uma lista

Índices e valores (1)

Índices e valores (2)

Loop em uma lista de listas

Estruturas de dados com loop – Parte 1

Loop em um dicionário

Loop em uma matriz do NumPy

Estruturas de dados com loop – Parte 2

Loop em um DataFrame (1)

Loop em um DataFrame (2)

Adicione uma coluna (1)

Adicione uma coluna (2)

Iniciar capítulo

5

Estudo de caso: truques de estatística

Este capítulo permitirá que você aplique todos os conceitos que aprendeu no curso. Você usará truques de estatística para calcular a chance de ganhar uma aposta. Use geradores de números aleatórios, loops e a Matplotlib para sair na frente!

Números aleatórios

Float aleatório

Jogue o dado

Determine a próxima ação

Caminho aleatório

O próximo degrau

Até onde dá para descer?

Visualize o caminho

Distribuição

Simule vários caminhos

Visualize todos os caminhos

Implemente a falta de coordenação

Gere o gráfico da distribuição

Calcule as chances

Iniciar capítulo

Python intermediário

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Python intermediário hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.