Python Univesp

Último update dos códigos: 28/05/2019 08:51 Necessário Python 3.6 ou superior

Faça o download instalando o Git e depois executando o comando: git clone https://github.com/dorathoto/PythonUnivesp.git

Aqui não existe especialista, nem em Python nem na Disciplina. Fique a vontade para contribuir.

8º Bimestre

Folder: (8_Bimestre)

Estatística: Link

Semana 6 Semana6_v1.py - Utilizando Scipy e Matplotlib para fazer distribuição normal.

Semana 4

Estatística descritiva

Semana4-v2.py - Utilizando Pandas para s², s, moda, variancia, etc. Foi executado com Spyder por ser uma IDE específica para analise de Dados Ajuda com spyder

Semana 3

Semana 2 probabilidade-v3.py - Semana 2 - Mesmo exemplo probabilidade-v1.py com Variância, Esperança

probabilidade-v1.py - Probabilidade básica, interessante notar como funciona o número aleatório em programação que não é exatamente aleatório, só com uma amostragem grande ele fornece dados interessante. execute: python probabilidade-v1.py

dist_probabilidades.ipynb - Exercício de apoio 2 da semana 2 de Estatística, apresentado na forma de um notebook e visualização via biblioteca matplotlib.pyplot.

Instalações Elétricas:

Os notebook misturam caraterísticas de um IDE e do console interativo, permitindo rodar pequenos scripts e observar na hora o resultado. O GitHub tem a capacidade de visualizar o notebook de forma nativa, por tanto, o que você vê na página do GitHub é o que você veria no Jupyter Lab, por exemplo. A diferencia é que ele aparece de forma estática. Se você quiser mexer com o código, pode experimentar com um notebook no navegador acessando https://jupyter.org/, copiando e colando o conteudo das celdas, executando com "Run". O próprio notebook apresentará um breve instrutivo sobre o funcionamento do notebook online e instruções de instalação se quiser usar offline.

Semana 3

transformadores.ipynb - Instalações Elétricas - Transformador Ideal. Abrir e executar no Jupyter Notebook.

instalacoes_eletricas1.ipynb - Instalações Elétricas - Circuito monofásico. Abrir e executar no Jupyter Notebook.

---

6º Bimestre

PlayList no Youtube da diciplina: Link Folder: 6_Bimestre

Material de Python para ajuda em Cálculo numérico. Cada arquivo vem precedido da semana, ex:

S1_ -> significa Semana 1
S2_ -> significa Semana 2

OBS: Esse material não tenta ser uma aula de Python para isso faça um curso: Link com diversos cursos Recomendo o Python para Zumbis

Semana 2

Equações algébricas e transcendentes. Métodos para encontrar raízes.

• S2_Bissecao.py -> Método da bisseção ou Bolzano Link fonte algoritimo
• Método das cordas
• Método de Newton
• Método da interação Linear
• S2_Secante.py -> Método da Secante - fonte - Fonte para os algoritmos: http://www.ufjf.br/flavia_bastos/files/2009/06/aula_raizes.pdf

comando	Link documentação
float	Link inglês
abs	Link inglês
try/Exception	Link

Semana 1

Conversão de bases, binário em decimal e vice-versa. Usando funções internas do Python para conversão: S1_DecimalToBinario.py Utilizando algoritmo para conversão: S1_funcDecimalBinario.py

---

Exercícios propostos:

• Converter decimal em binário, binário em decimal. usando funções internas e a classe S1_funcDecimalBinario.py
• Converter base 2, base 10 em base 8 (octogonal) - usando funções interna do python
• Modificar a funcDecimalBinario removendo código típicos de Python e deixando em uma lógica mais igual a Univesp

Comandos a serem aprendidos em python para essa semana:

Comando	Link documentação
bin()	Link
formatspec	Link
def:	Link
while:	Link