Lógica de programação 3

# Lógica de programação com `Python` ---- # Aula 03 ## Correndo --- # Mais dados --- <style> code.error { color: red !important; } </style> # Tuplas ---- ## Tuplas 1 - São parecidas com listas, porém são imutáveis ```python ❯❯❯ tupla = ('a', 'b', 'c') ❯❯❯ tupla[0] 'a' ❯❯❯ tupla[0:2] ('a','b') ❯❯❯ del tupla[2] ``` ----  <code class="error">Traceback (most recent call last): </code> <code class="error"> File "<stdin>", line 1, in </code> <code class="error">TypeError: 'tuple' object doesn't support item deletion </code> ---- ## Tuplas 2 ```python ❯❯❯ tupla = -1, 2 # podemos criar sem usar parenteses ❯❯❯ print(tupla) (-1,2) ❯❯❯ x, y = tupla # podemos transferir o valor para # outras variáveis ❯❯❯ print(x,y) -1 2 ❯❯❯ x, y = y, x + y # atribuição mútipla (aula 2) ❯❯❯ print(x,y) # nada mais é que atribuição em tuplas 2 1 ``` --- # Dicionários ---- ## Dicionários - Em listas e tuplas, acessamos os valores usando índices numéricos - Nos *dicionários*, nomeamos os índices (também chamados _chaves_) como quisermos - Sintaxe: `dicionario = {chave: valor}` ---- ### Dicionários 1 ```python ❯❯❯ dicionário = {"nome": "Bossa", "idade": 25, 8: ('x', 'y')} ❯❯❯ dicionário['nome'] # pegando o valor 'Bossa' ❯❯❯ dicionário[8] ('x', 'y') ❯❯❯ dicionário['idade'] 25 ❯❯❯ list(dicionário) # listando os indices ['nome', 'idade', 8] ❯❯❯ list(dicionário.values()) # listando os valores ['Bossa', 25, ('x', 'y')] ``` ---- ### Dicionários 2 ```python ❯❯❯ dicionário[8] = 'z' # alterando um valor ❯❯❯ dicionário {'nome': 'Bossa', 'idade': 25, 8: 'z'} ❯❯❯ dicionário['chave' ] = [1,2,3] # inserindo um valor ❯❯❯ dicionário {'nome': 'Bossa', 'idade': 25, 8: 'z', 'chave': [1, 2, 3]} ❯❯❯ del dicionário[8] # apagando um valor ❯❯❯ dicionário {'nome': 'Bossa', 'idade': 25, 'chave': [1, 2, 3]} ❯❯❯ 'nome' in dicionário # verifica se existe a chave True ❯❯❯ 'Bossa' in dicionário # não verifica por valor False ``` ---- ### Dicionários 3 ```python ❯❯❯ for chave, valor in dicionário.items(): ... print("A chave {} tem valor {}.".format(chave, valor)) ... A chave nome tem valor Bossa. A chave idade tem valor 25. A chave 8 tem valor z. A chave chave tem valor [1, 2, 3]. ``` ---- ### Guardando dados ```python= # esse dicionário vai conter logins como chaves # e os valores dessas chaves são outros # dicionários com informações como nome e senha bancodedados = { "bossa": {'nome': "Luiz Fernando", "senha": "12345"}, "fulano": {'nome': "Fulano da Silva", "senha": "abcde"}, "admin": {'nome': "Administrador", "senha": "admin"}, "user": {'nome': "Usuário", "senha": "passwd"} } ``` ---- ### Usando dados ```python=+ # vamos criar um prompt de login login = input("Digite seu login: ") senha = input("Digite sua senha: ") if login in bancodedados: # login ok, vamos ver a senha if bancodedados[login]["senha"] == senha: # login bem sucedido msg = "Bem-vindo {}" print(msg.format(bancodedados[login]["nome"])) else: print("Senha incorreta.") else: print("Login não encontrado.") ``` --- # + entradas e + saídas ---- ## Lendo e escrevendo em arquivos - Podemos usar o comando `open` para abrir um arquivo - Uma vez aberto, podemos ler/escrever no arquivo ---- ### Lendo um arquivo - Crie um arquivo chamado `texto.txt` e escreva qualquer coisa nele ```python= arquivo = open("texto.txt", "r") # abrimos o arquivo em modo leitura conteudo = arquivo.read() # lemos o arquivo inteiro print(conteudo) # mostramos o conteúdo arquivo.close() # fechamos o arquivo ``` ---- ### Lendo linhas de um arquivo ```python= arquivo = open("texto.txt", "r") # abrimos o arquivo em modo leitura i = 1 for linha in arquivo: # podemos iterar pelas linhas print("linha {}:".format(i),linha, end="") i += 1 arquivo.close() # fechamos o arquivo ``` ---- ### Gerenciador de contexto - Para evitar o erro de esquecer de fechar o arquivo, usamos a cláusula `with` ```python= i = 1 with open("texto.txt", "r") as arquivo: # dizemos que arquivo vai ser igual a open([...]) for linha in arquivo: # podemos iterar pelas linhas print("linha {}:".format(i),linha, end="") i += 1 # quando o python sai do bloco with, fecha automaticamente ``` ---- ### Escrevendo no arquivo ```python= with open("resultado.txt", "w") as arquivo: arquivo.write("Primeira frase") arquivo.write("Segunda frase\n") # precisamos escrever a quebra de linha arquivo.writelines(["A", "B", "C"]) ``` ---- :::danger Abrir o arquivo com a opção `'w'` apaga o conteúdo existente no arquivo. Se não quiser apagar, use a opção `'a'` para acrescentar conteúdo. ::: --- # Exercícios arquivos ---- ## Instruções 1 - Vamos salvar nosso `bancodedados` em um arquivo que terá o nome `bancodedados.csv` - A primeira linha do arquivo será `login,nome,hash` - Para cada chave do dicionário `bancodedados` será escrita uma linha do arquivo ---- ## Instruções 2 - Não iremos salvar as senhas no arquivo, iremos criar _hashs_ das senhas, usando a função `crypt` do módulo `crypt` - Cada linha do arquivo deve ser composta do login, seguido do nome e do hash da senha, todos esses valores separados por vírgula e terminado numa quebra de linha ---- ### Solução ```python= from crypt import crypt # importando a função citada prelinha = "{},{},{}\n" # esse vai ser o formato da nossa linha with open("bancodedados.csv", "w") as arquivo: # abrindo o arquivo com o gerenciador de contexto cabecalho = prelinha.format("login", "nome", "hash") arquivo.write(cabecalho) # escrevemos a primeira linha for x in bancodedados: # x é o login dados = bancodedados[x] hash = crypt(dados["senha"]) # senha criptografada linha = prelinha.format(x,dados["nome"],hash) arquivo.write(linha) # escreve a linha ```  --- # Compressão de listas ---- Assim como em matemática temos descrições de conjuntos como $$\{x^2+1\, | \, x\in \mathbb{N} \text{ e $x$ é par } \},$$ podemos fazer o mesmo com listas em `python` ---- ## Compressão de listas ```python=! ❯❯❯ universo = range(10) # definindo uma lista ❯❯❯ [x**2 for x in universo ] [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] ❯❯❯ pares = [ n for n in universo if n % 2 == 0 ] # pegando só os elementos que satisfazem a condição do if ❯❯❯ pares [0, 2, 4, 6, 8] # construindo uma lista com if e else ❯❯❯ [n if n % 2 == 0 else "impar" for n in universo] [0, 'impar', 2, 'impar', 4, 'impar', 6, 'impar', 8, 'impar'] # construindo um conjunto de pares ordenados ❯❯❯ [(i//2,j) for i in pares for j in pares] [(0, 0), (0, 2), (0, 4), (0, 6), (0, 8), (1, 0), (1, 2), (1, 4), (1, 6), (1, 8), (2, 0), (2, 2), (2, 4), (2, 6), (2, 8), (3, 0), (3, 2), (3, 4), (3, 6), (3, 8), (4, 0), (4, 2), (4, 4), (4, 6), (4, 8)] ``` ---- ### Compressão de listas: matrizes - Uma matriz pode ser representada como uma lista de listas - Compressão de listas torna mais fácil criar listas - Vamos usar a seguinte função para mostrar matrizes ```python= def mshow(A): """Função que mostra uma matriz """ for linha in A: # percorre as linhas de A print(*linha, sep="\t") # abre a linha e coloca # <tab> como separador ``` ---- ### Matrizes 1 ```python=! ❯❯❯ linhas = range(6) ❯❯❯ colunas = range(5) ❯❯❯ A = [[2**i*3**j for j in colunas] for i in linhas] ❯❯❯ mshow(A) 1 3 9 27 81 2 6 18 54 162 4 12 36 108 324 8 24 72 216 648 16 48 144 432 1296 32 96 288 864 2592 ``` ---- ### Matrizes 2 ```python=! ❯❯❯ I = [[ 1 if i==j else 0 for j in linhas ] for i in linhas ] ❯❯❯ mshow(I) 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 ``` ---- ### Matrizes 3 ```python ❯❯❯ zeros = [[0]*5]*6 ❯❯❯ mshow(zeros) # Matriz 5x6 cheias de zero 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ``` --- # Mais coisas legais --- ## NumPy - Biblioteca para computação científica - Vários algoritmos já prontos - Substituto ao MATLAB ---- ### NumPy ```python ❯❯❯ import numpy as np ❯❯❯ x = np.array([1, 0, 3, 4]) # vetor ❯❯❯ A = np.array([[1,0,0,0], # matriz ... [0,2,0,0], ... [0,0,3,0], ... [0,0,0,4] ]) ❯❯❯ A[0,3] = -1 # mudando um valor ❯❯❯ A array([[ 1, 0, 0, -1], [ 0, 2, 0, 0], [ 0, 0, 3, 0], [ 0, 0, 0, 4]]) ``` ---- ### NumPy ```python ❯❯❯ A.T # transposta array([[ 1, 0, 0, 0], [ 0, 2, 0, 0], [ 0, 0, 3, 0], [-1, 0, 0, 4]]) ❯❯❯ A**2 array([[ 1, 0, 0, 1], [ 0, 4, 0, 0], [ 0, 0, 9, 0], [ 0, 0, 0, 16]]) ``` ---- ### NumPy ```python! ❯❯❯ A*x # A*x Traceback (most recent call last): File "<stdin>", line 1, in <module> File "[...]/numpy/matrixlib/defmatrix.py", line 220, in __mul__ return N.dot(self, asmatrix(other)) File "<__array_function__ internals>", line 6, in dot ValueError: shapes (4,4) and (1,4) not aligned: 4 (dim 1) != 1 (dim 0) ❯❯❯ A.shape (4,4) ❯❯❯ x.shape (4,) ``` ---- ### NumPy ```python ❯❯❯ x.reshape(4,1) array([[1], [0], [3], [4]]) ❯❯❯ A*x # agora a multiplicação funciona matrix([[-3], [ 0], [ 9], [16]]) ❯❯❯ b = np.array([[4,0,0,4]]).T # isso gera um vetor `de pé` ``` ---- ### NumPy ```python ❯❯❯ np.linalg.solve(A,b) # Resolve o sistema A*x = b array([[5.], [0.], [0.], [1.]]) ❯❯❯ np.linalg.det(A) 23.999999999999993 ❯❯❯ autovalores, autovetores = np.linalg.eig(A) ❯❯❯ autovalores array([1., 2., 3., 4.]) ``` ---- ### NumPy ```python ❯❯❯ autovetores # colunas são autovetores normalizados matrix([[ 1. , 0. , 0. , -0.31622777], [ 0. , 1. , 0. , 0. ], [ 0. , 0. , 1. , 0. ], [ 0. , 0. , 0. , 0.9486833 ]]) ``` ---- :::info Mais infos em - [NumPy for Matlab users](https://docs.scipy.org/doc/numpy/user/numpy-for-matlab-users.html) - [numpy.org](https://numpy.org/) ::: --- ## SymPy Biblioteca para computação simbólica ```python ❯❯❯ from sympy import symbols, expand, factor, diff, integrate ❯❯❯ x = symbols("x") ❯❯❯ diff(x**3 + 2*x + 1) 3*x**2 + 2 ❯❯❯ expand((x+1)*(x+3)) x**2 + 4*x + 3 ❯❯❯ factor(x**2 + 4*x + 4) (x + 2)**2 ❯❯❯ from sympy import sin ❯❯❯ integrate(x*sin(x)) -x*cos(x) + sin(x) ``` ---- ### Sympy Podemos trabalhar com álgebra pura ```python! ❯❯❯ from sympy.combinatorics.free_groups import free_group ❯❯❯ from sympy.combinatorics.fp_groups import FpGroup ❯❯❯ F, a, b = free_group("a, b") ❯❯❯ G = FpGroup(F, [a**2, b**3, (a*b)**4]) # G = <a,b | a², b³, (ab)⁴> ❯❯❯ G.order() 24 ❯❯❯ G.is_abelian False ❯❯❯ G.center() [<identity>] ❯❯❯ G.elements [<identity>, a, b, b**-1, a*b, a*b**2, b*a, b**2*a, a*b*a, a*b**2*a, b*a*b, b*a*b**2, b**2*a*b, b**2*a*b**2, a*b*a*b, a*b*a*b**2, a*b**2*a*b, b*a*b*a, b*a*b**2*a, b**2*a*b*a, a*b*a*b**2*a, a*b**2*a*b*a, b*a*b**2*a*b, b*a*b**2*a*b*a] ``` --- ## pandas Biblioteca para trabalhar com dados. ```python ❯❯❯ dados = [["Nome", "Curso", "P1", "P2", "P3"], ... ["Alice", "Matemática", 4.5, 6.0, 8.0], ... ["Bob", "Química", 6.0, 5.0, 8.0], ... ["Charlie", "Matemática", 8.0, 9.0, 10.0], ... ["David", "Matemática", 3.0, None, 5.0], ... ["Eva", "Química", 6.0, 7.0, None]] ❯❯❯ import numpy as np ❯❯❯ import pandas as pd ❯❯❯ df = pd.DataFrame(dados[1:], columns=dados[0]) # primeira linha como colunas, o resto como dados ``` ---- ### pandas ```python ❯❯❯ df Nome Curso P1 P2 P3 0 Alice Matemática 4.5 3.0 8.0 1 Bob Química 6.0 2.0 7.0 2 Charlie Matemática 8.0 9.0 10.0 3 David Matemática 3.0 NaN 5.0 4 Eva Química 6.0 7.0 NaN ❯❯❯ df["Media"] = (df["P1"] + df["P2"] + df["P3"])/3 # calcula uma nova coluna usando valores das outras ❯❯❯ df Nome Curso P1 P2 P3 Media 0 Alice Matemática 4.5 6.0 8.0 6.166667 1 Bob Química 6.0 2.0 7.0 5.000000 2 Charlie Matemática 8.0 9.0 10.0 9.000000 3 David Matemática 3.0 NaN 5.0 NaN 4 Eva Química 6.0 7.0 NaN NaN ``` ---- ### pandas ```python ❯❯❯ def resultado(x): # funcao que vamos aplicar ... if x >= 6: ... return "Aprov" ... elif 3 <= x < 6: ... return "Rec" ... elif x < 3: ... return "Repr" ... else: ... return "2a Cham" ... ❯❯❯ df["Resultado"] = df["Media"].apply(resultado) # aplica a função resultado em cada linha de "Media" ``` ---- ### pandas ```python ❯❯❯ df Nome Curso P1 P2 P3 Media Resultado 0 Alice Matemática 4.5 6.0 8.0 6.166667 Aprov 1 Bob Química 6.0 2.0 7.0 5.000000 Rec 2 Charlie Matemática 8.0 9.0 10.0 9.000000 Aprov 3 David Matemática 3.0 NaN 5.0 NaN 2a Cham 4 Eva Química 6.0 7.0 NaN NaN 2a Cham ``` --- ## matplotlib - Pacote para criar gráficos fantásticos - Não pode ser usado no terminal > Alguns exemplos do site [matplolib.org](https://matplotlib.org/) ---- ### matplotlib ![](https://matplotlib.org/_images/sphx_glr_filled_step_001.png) ---- ### matplotlib ![](https://matplotlib.org/_images/sphx_glr_scatter_demo2_001.png) ---- ### matplotlib ![](https://matplotlib.org/_images/sphx_glr_whats_new_99_mplot3d_001.png) --- # Instalação ---- ## Instalação - Nas distribuições linux, o python já vem instalado por padrão. - No windows você baixar os arquivos autoinstaláveis em [python.org](https://www.python.org/) ---- ## Ubuntu Para instalar um pacote completo com as bibliotecas científicas, basta executar ```bash! sudo apt install python3-venv python3-pip pip3 install numpy scipy matplotlib ipython jupyter jupyterlab pandas sympy nose spyder ``` ---- ## Windows Instale o _Anaconda_, um gerenciador de pacotes que já inclui tudo o que precisamos. Acesse [anaconda.com](https://www.anaconda.com/). ---- ![](https://i.imgur.com/qeh8fP8.png) --- # Onde codificar ---- ## Terminal - No Ubuntu basta digitar `python3` na linha de comando - No Windows, após instalar o Anaconda, basta abrir o _Anaconda Prompt_ e digitar `python` ---- ## `Ipython` - No Ubuntu basta digitar `ipython` na linha de comando - No Windows, após instalar o Anaconda, basta abrir o _Anaconda Prompt_ e digitar `ipython` - É um `Python` interativo melhorado, com completamento usando `<TAB>`, ajuda com `?`, exibição de gráficos e mais ---- ![](https://i.imgur.com/GQYqh0m.png) ---- ## IDE - O _Spyder_ é um *ambiente de desenvolvimento integrado* multiplataforma que se assemelha muito ao MATLAB. ---- ![](https://i.imgur.com/llUE7H0.png) ---- ## Notebooks - O `Jupyter` é um projeto que permite usar _notebooks_, que são documentos que misturam conteúdo, código, resultado de código, visualização (programação literal). Ele é manipulado no seu próprio navegador. ---- ![](https://i.imgur.com/q4xaT6c.png) ---- ### Notebooks online - https://colab.research.google.com --- # Projeto ---- ### Trabalhando com tudo - Entre na [sala de aula](https://repl.it/community/classrooms/150657) no repl.it - Tem um projeto ali, com nome `LendoArquivos` - O arquivo `LEIAME.md` contém as instruções --- # Coisas que não vimos ---- - Cláusulas `try` .. `except`, `raise` - Classes - Operador `lambda`, função `eval()` - Diferença entre variável local e global - Doc strings - Dados do tipo _conjunto_ --- # Por que `Python` é :top: --- {%youtube Og847HVwRSI %} --- ## Comunidade * [Python Brasil](https://python.org.br/) * [Comunidades Locais](https://python.org.br/comunidades-locais/) * GrouPy Blumenau * [Pyladies](https://python.org.br/pyladies/) --- ## Referências - [python.org](https://python.org) - [repl.it](https://repl.it/languages/python3) - [Lógica de Programação](http://ftp.unicamp.br/pub/apoio/treinamentos/logica/logica.pdf) - [snakify.org](https://snakify.org/en/) - [pythontutor.com](http://www.pythontutor.com/visualize.html ) - [learn python in 20 minutes](https://pt.slideshare.net/SidharthNadhan/learn-python-in-20-minutes) - [python 101](http://www.davekuhlman.org/python_101.html) - [automate the boring stuff](https://automatetheboringstuff.com/) --- # Fim Aula 03