Cheat sheet

Python

Pedido	Sintaxe ou regra
Atribuir e comparar	x = 3; x == 3
Potência, quociente, resto	a ** b; a // b; a % b
Ler um inteiro	n = int(input())
Mostrar duas casas	print(f"{valor:.2f}")
Decidir	if condicao:; elif outra:; else:
Repetir até condição falsa	while condicao:
Percorrer elementos	for x in valores:
Inteiros de 1 até n	range(1, n + 1)
Último elemento	sequencia[-1]
Slice	[inicio:fim:passo], fim excluído
Copiar lista	lista.copy(), cópia superficial
Construir lista	[f(x) for x in valores if condicao(x)]
Devolver da função	return resultado
Abrir texto	with open(caminho, encoding="utf-8") as f:

input devolve texto. print não devolve o valor mostrado. sort() altera e devolve None; sorted() cria outra lista. Um valor por defeito mutável numa função é partilhado entre chamadas. Explicações.

Coleção	Ordem	Repetições	Alteração
Lista	Sequência	Sim	Sim
Tuplo	Sequência	Sim	Sem substituir elementos
Conjunto	Sem ordem de leitura garantida	Não	Sim
Dicionário	Inserção das chaves	Chaves únicas	Sim

Conjunto vazio: set(). Dicionário vazio: {}. União: a | b; interseção: a & b; diferença: a - b. Contar: d[x] = d.get(x, 0) + 1. Coleções.

NumPy

import numpy as np

Pedido	Operação
Criar	np.array(valores, dtype=float)
Forma e tamanho	a.shape; a.ndim; a.size; a.dtype
Matriz, linha i e coluna j	a[i, j]
Coluna j	a[:, j]
Filtrar	a[a > 0]
Somar por coluna	a.sum(axis=0)
Somar por linha	a.sum(axis=1)
Produto matricial	a @ b
Produto elemento a elemento	a * b
Copiar dados	a.copy()

Broadcasting compara dimensões a partir da direita: iguais ou uma delas 1. Slices básicos podem partilhar dados. reshape conserva o número de elementos. Arrays.

pandas

import pandas as pd

Pedido	Operação
Ler CSV	pd.read_csv(caminho, sep=";", decimal=",")
Inspecionar	df.head(); df.shape; df.dtypes; df.info()
Coluna como Series	df["x"]
Coluna como tabela	df[["x"]]
Rótulos	df.loc[linhas, colunas]
Posições	df.iloc[linhas, colunas]
Filtrar duas condições	df.loc[(df["x"] > 0) & (df["y"] == "A")]
Alterar o original	df.loc[mascara, "x"] = valor
Coluna calculada	df["total"] = df["q"] * df["preco"]
Ordenar	df.sort_values("x")
Nulos	s.isna(); s.notna(); s.fillna(valor)
Linhas sem nulo em x	df.dropna(subset=["x"])
Contar linhas e conhecidos	len(df); s.count()
Frequências	s.value_counts(dropna=False)
Estatísticas	s.sum(); s.mean(); s.median(); s.std()
Exportar sem índice	df.to_csv(caminho, index=False)

loc inclui os extremos dos slices por rótulo; iloc exclui o fim. Series alinham pelo índice. Usa &, | e ~, com parênteses, não and e or. pandas usa normalmente ddof=1 na variância; NumPy usa ddof=0. Seleção e estatística.

Escolher a transformação

Objetivo	Operação
Acrescentar linhas	pd.concat([a, b], ignore_index=True)
Relacionar por chave	a.merge(b, on="id", how="left", validate="many_to_one")
Relacionar com índice	a.join(b, on="id")
Longo para largo, chave única	df.pivot(index="i", columns="c", values="v")
Longo para largo, agregar repetidos	df.pivot_table(index="i", columns="c", values="v", aggfunc="sum")
Largo para longo	df.melt(id_vars="id", var_name="medida", value_name="valor")
Total por grupo	df.groupby("grupo")["v"].sum()
Total do grupo em cada linha	df.groupby("grupo")["v"].transform("sum")

Uma junção muitos-para-muitos multiplica correspondências. pivot_table usa média por defeito; escreve a agregação pedida. size conta linhas; count conta não nulos. Junções, formas e grupos.

Texto, tempo e gráficos

Pedido	Operação ou critério
Limpar texto	s.str.strip().str.lower()
Procurar texto literal	s.str.contains("abc", regex=False, na=False)
Converter datas	pd.to_datetime(s, format="%d/%m/%Y", errors="coerce")
Componentes da data	s.dt.year; s.dt.month; s.dt.dayofweek
Total diário	df.set_index("data")["v"].resample("D").sum(min_count=1)
Acrescentar dias	timedelta(days=n)
Acrescentar meses	relativedelta(months=n)
Medir tempo decorrido	Diferença de duas chamadas time.perf_counter()
Comparar categorias	Barras, zero na origem
Evolução temporal	Linha, datas ordenadas
Distribuição de uma variável	Histograma, intervalos declarados
Associação de duas variáveis	Dispersão, um ponto por observação

Ausência não é zero sem uma hipótese. Dias não são meses. Um gráfico precisa de unidade, rótulos e dados conferidos. Texto, tempo e gráficos.

Operações adicionais das aulas

• s.mode(): Series com todas as modas; (s - s.mean()).abs().mean(): desvio absoluto médio, equivalente ao antigo mad().
• s.sem(): erro padrão da média; s.skew() e s.kurt(): assimetria e excesso de curtose amostrais.
• cumsum, cumprod, cummax, cummin: um resultado por prefixo, dependente da ordem.
• df.insert(pos, nome, valores): altera a tabela; df.pop(nome): remove e devolve a coluna; del df[nome]: remove.
• pd.concat(blocos, keys=origens): conserva a origem num nível de índice; verify_integrity=True: rejeita rótulos repetidos no eixo concatenado.
• np.eye(n): identidade; a.itemsize: bytes por elemento; a.nbytes: bytes dos dados.
• np.random.default_rng(semente): gerador explícito; integers(a, b): extremo b excluído; shuffle: altera; permutation: devolve outra sequência.