Visão Geral
O Curso Scientific Python for Experienced Developers, ensina aos programadores Python como usar Python para manipulação de dados, estatísticas, gráficos e outras operações.
Objetivo
Após realizar este Curso Scientific Python for Experienced Developers você será capaz de:
- Use benchmarks e perfis para acelerar programas
- Processar XML e JSON
- Manipule matrizes com NumPy
- Descubra a diversidade dos subpacotes SciPy e como utilizá-los em suas aplicações
- Use notebooks Jupyter para cálculos ad hoc, gráficos e cenários hipotéticos
- Importe e analise dados com pandas
- Crie uma ampla variedade de gráficos de dados com matplotlab
- Manipular imagens com PIL
- Resolva equações com SymPy
Pre-Requisitos
- Os alunos devem se sentir confortáveis escrevendo tarefas básicas em Python e conceitos de programação, incluindo entrada/saída de arquivos e criação de classes.
Materiais
Inglês/Português/Lab Prático
Conteúdo Programatico
Introduction
Python Refresher
- Data types
- Sequences
- Mapping types
- Program structure
- Files and console I/O
- Conditionals
- Loops
- Builtins
- Classes
Pythonic Idioms
- Small Pythonisms
- Lambda functions
- Sorting
- Packing and unpacking sequences
- List Comprehensions
- Generator expressions
XML and JSON
- Using ElementTree
- Creating a new XML document
- Parsing XML
- Finding by tags and XPath
- Parsing JSON into Python
- Parsing Python into JSON
Jupyter
- Jupyter basics
- Terminal and GUI shells
- Creating and using notebooks
- Saving and loading notebooks
- Ad hoc data visualization
Developer Tools
- Debugging applications
- Benchmarking code
- Profiling applications
NumPy
- NumPy basics
- Creating arrays
- Indexing and slicing
- Large number sets
- Transforming data
- Advanced tricks
SciPy
- The Python scientific stack
- What can SciPy do?
- Getting help
- Where to find things
- What is available?
A Tour of SciPy Subpackages
- Clustering
- Physical and mathematical constants
- FFTs
- Integral and differential solvers
- Interpolation and smoothing
- Input and output
- Linear algebra
- Image processing
- Distance regression
- Root-finding
- Signal Processing
- Sparse matrices
- Spatial data and algorithms
- Statistical distributions and functions
- C/C++ Integration
Pandas
- Pandas overview
- Dataframes
- Reading and writing data
- Data alignment and reshaping
- Fancy indexing and slicing
- Merging and joining data sets
Matplotlib
- Creating a basic plot
- Commonly used plots
- Ad hoc data visualization
- Advanced usage
- Exporting images
The Python Imaging Library (PIL)
- PIL overview
- Core image library
- Image processing
- Displaying images
SymPy
- What is SymPy?
- What can it do for you?
- Creating variables
- Defining equations
- Solving equations
TENHO INTERESSE