Introdução à análise de dados em Python
Percurso de Python, NumPy, pandas e gráficos, com exercícios e análise reproduzível.
Aprende a ler e escrever programas Python e a transformar dados em resultados que consegues verificar. O percurso começa em variáveis, condições e coleções, passa a arrays e tabelas e termina numa análise completa.
Como estudar
Lê a explicação e prevê o resultado do exemplo antes de o executar. Muda uma entrada e explica o que deve acontecer. Resolve os exercícios sem abrir a solução e compara depois o teu raciocínio com os passos apresentados.
| Parte | Páginas | O que deves conseguir fazer |
|---|---|---|
| Python | Ambiente a Ficheiros | Seguir e escrever programas com coleções e funções |
| Dados numéricos | NumPy | Selecionar arrays e calcular por eixo |
| Dados tabulares | Series e DataFrames a Texto e categorias | Selecionar, limpar, relacionar, reestruturar e agregar |
| Tempo e gráficos | Datas e tempo, Gráficos | Interpretar intervalos temporais e representar resultados |
| Integração | Análise completa | Reproduzir um relatório e justificar as verificações |
A cheat sheet reúne sintaxe, critérios e erros comuns. Serve para consulta depois do estudo; as páginas explicam como chegar ao resultado.
Material das aulas e referências
O percurso acompanha os temas Python e pandas do programa de 2026/27. Os exemplos e exercícios são próprios, com dados fictícios visíveis. Usa os materiais atuais da turma para conferir a notação, versões e regras de avaliação.
A documentação oficial de Python, NumPy, pandas e Matplotlib permite aprofundar cada operação. Para um desenvolvimento mais longo, consulta o Python Data Science Handbook, de Jake VanderPlas e Python for Data Analysis, de Wes McKinney.
Funcionamento e preparação da avaliação
O FAQ ligado no Moodle indica que os quizzes servem para progredir no percurso e que a classificação final depende do exame presencial. O acesso ao exame exige concluir a progressão e atingir o mínimo indicado no quiz final. Confere os requisitos da atividade na tua turma.
Consulta o calendário 2026/27 para prazos recomendados, limites obrigatórios e datas alternativas de exame. Algumas datas estão assinaladas como previstas e dependem de inscrições. O FAQ indica acesso ao material do Moodle, Spyder e Jupyter durante o exame, com a rede desligada. Treina com ficheiros locais e confirma as regras anunciadas para a tua data.
Vídeos dos módulos da turma
Além dos vídeos de aprofundamento nas páginas, os módulos incluem explicações dos docentes. Estes links conduzem aos vídeos ligados no Moodle e podem exigir autenticação U.Porto.
| Tema | Vídeo da turma |
|---|---|
| Algoritmos e ambiente | Algoritmos e Spyder |
| Listas e operações | Funções de listas |
| Estatística de tabelas | Funções estatísticas de pandas |
| Representação de dados | Gráficos de pandas |
Praticar com resultados verificáveis
As questões no fim das páginas treinam previsão de saídas, escolha de operações, cálculo e justificação. Os blocos de código incluem todas as entradas de que precisam. Nenhum deles precisa de aceder às tuas notas ou a um serviço externo de dados.
Para preparares uma avaliação, combina os temas: lê uma tabela, confere tipos, aplica um filtro, relaciona outra tabela e calcula um resumo. Volta ao exemplo pequeno quando uma operação te der um resultado que não consegues explicar.
Correspondência com os módulos das aulas
Esta tabela liga os 34 módulos observados no Moodle às explicações deste percurso. PD01 tem seis partes de bibliotecas, listadas separadamente. A ligação indica onde estudar o tema; não substitui o enunciado ou as regras de avaliação da turma.
| Módulo Moodle | Tema | Onde estudar |
|---|---|---|
| Python 00 | Introdução | Programas e notebooks |
| Python 01 | Algoritmos e Spyder | Algoritmo e ambientes |
| Python 02 | Variáveis, operadores e expressões | Variáveis e operadores |
| Python 03 | Atribuição, input e print | Entrada e saída |
| Python 04 | if | Escolher um ramo |
| Python 05 | while | Repetir com while |
| Python 06 | for | Percorrer com for |
| Python 07 | Listas | Sequências e cópias |
| Python 08 | Tuplos | Tuplos |
| Python 09 | Conjuntos | Conjuntos |
| Python 10 | Dicionários | Chaves e contagens |
| Python 11 | Strings | Transformar texto |
| Python 12 | Arrays 1D e 2D | Vetores e matrizes com listas |
| Python 13 | Funções | Funções e módulos |
| Python 14 | Ficheiros | Ficheiros e CSV |
| PD00 | Jupyter | Script, consola e notebook |
| PD01, Calendar | Calendário | Tipos e calendário |
| PD01, Time | Relógios e duração | Medir duração |
| PD01, Datetime | Datas e horas | Datas e tempo |
| PD01, Dateutil | Aritmética de calendário | Dias e meses |
| PD01, NumPy | Arrays e cálculo | NumPy |
| PD01, Matplotlib | Figuras e gráficos | Gráficos |
| PD02 | Series e DataFrames | Construir tabelas |
| PD03 | Índices e seleção | Selecionar |
| PD04 | Estatística | Resumos e unidades |
| PD05 | Linhas, colunas e filtros | Filtros e transformações |
| PD06 | concat e append | Concatenação |
| PD07 | merge e join | Junções |
| PD08 | pivot, stack e melt | Reestruturar |
| PD09 | pivot_table e groupby | Agrupar |
| PD10 | Strings e categorias | Texto e categorias |
| PD11 | Valores em falta | Representar ausência |
| PD12 | Datas e tempo | Conversão e agregação temporal |
| PD13 | Gráficos | Escolha de gráficos e métodos pandas |
Vídeos para acompanhar o estudo
Funções e módulos. Distingue argumentos, parâmetros, print e return.
A miniatura vem do YouTube. O vídeo só carrega quando clicas. Abrir no YouTube
Agrupar e agregar. Segue os grupos e a agregação em pandas; confirma a API na versão usada.
A miniatura vem do YouTube. O vídeo só carrega quando clicas. Abrir no YouTube
Listas, tuplos e strings. Compara alterar uma lista com criar uma nova coleção.
A miniatura vem do YouTube. O vídeo só carrega quando clicas. Abrir no YouTube
