Python + IA: Fundamentos e Projetos Práticos
Vamos iniciar a reta final com peso! Aqui está o Dia 19/30 do Bootcamp Python + IA, e o tema é uma das ferramentas mais importantes para quem quer trabalhar com dados, IA e automações reais:
Hoje você vai aprender a usar a biblioteca pandas, essencial para quem trabalha com:
- Inteligência Artificial
- Ciência de dados
- Relatórios automatizados
- Dashboards e análise de planilhas
🎯 O que você vai aprender
- Instalar e importar o
pandas - Carregar dados de um CSV para análise
- Exibir, filtrar e explorar dados reais
- Entender o que é um DataFrame
🐼 O que é o Pandas?
O pandas é uma biblioteca Python para análise e manipulação de dados estruturados.
Ele transforma dados em DataFrames — algo parecido com planilhas do Excel, mas muito mais poderoso e programável.
⚙️ Instalação (se ainda não tiver)
pip install pandas
Se não funcionar esse comando no seu terminal, talvez seja porque o comando pip não está sendo reconhecido — provavelmente porque o Python não está no PATH do sistema ou o pip não foi instalado corretamente.
Então, tente esse:
python -m pip install pandas📂 Lendo um arquivo CSV com pandas:
import pandas as pd
df = pd.read_csv("contatos.csv")
print(df)Nota: Estou considerando que você ainda tenha esse arquivo no seu projeto que foi gerado na aula passada.
🔍 Acessando os primeiros dados:
print(df.head()) # primeiras 5 linhas
print(df.tail()) # últimas 5 linhas📊 Explorando os dados:
print(df.columns) # nome das colunas
print(df.shape) # (linhas, colunas)
print(df.describe()) # estatísticas resumidas🎯 Desafio do Dia: Explorador de Contatos
Crie um script que:
- Carrega o arquivo
contatos.csv(do Dia 18) - Exibe os 5 primeiros contatos
- Mostra quantos registros existem
- Lista todos os e-mails
- Filtra apenas contatos com idade maior ou igual a 18
💻 Código sugerido:
import pandas as pd
df = pd.read_csv("contatos.csv")
print("📋 Primeiros contatos:")
print(df.head())
print("\n📌 Total de registros:", len(df))
print("\n📧 E-mails cadastrados:")
print(df["email"])
print("\n👥 Contatos maiores de idade:")
df["idade"] = pd.to_numeric(df["idade"], errors="coerce") # converter idade para número
print(df[df["idade"] >= 18])🧠 O que você aplicou hoje?
- Uso do
pandaspara análise de dados - Carregamento de arquivos externos
- Filtros avançados com DataFrames
- Transformação e leitura de dados como IA faz
💬 E por que isso importa?
Todo projeto com IA e automação começa com leitura, limpeza e entendimento de dados.
O pandas é o melhor amigo do programador moderno nesse processo.
🎯 Quer criar IA de verdade, não só teoria?
Na mentoria, você vai aprender a:
✅ Automatizar tarefas com IA
✅ Integrar dados de planilhas, APIs e web
✅ Usar pandas com projetos reais
📲 Acesse: asllanmaciel.com.br/mentoria
