Introdução a Data Science com Python

O que é Data Science?

Data Science, ou Ciência de Dados, é a área que combina estatística, programação e conhecimento de negócio para extrair insights valiosos a partir de dados. Em vez de tomar decisões baseadas em intuição, o cientista de dados usa evidências concretas para responder perguntas como:

• Qual produto vende mais em cada região?
• Quais clientes têm maior chance de cancelar o serviço?
• Qual é a tendência de crescimento nos próximos meses?

Se você já abriu uma planilha no Excel e tentou encontrar padrões, você já fez uma forma básica de análise de dados. Data Science leva isso a outro nível, com ferramentas mais poderosas e técnicas mais sofisticadas.

Por que Python domina Data Science?

Python se tornou a linguagem preferida dos cientistas de dados por vários motivos:

Outras linguagens como R e Julia também são usadas, mas Python oferece o melhor equilíbrio entre facilidade e poder.

O fluxo de trabalho em Data Science

Todo projeto de Data Science segue um fluxo parecido. Pense nele como uma receita:

1. Coleta       → Obter os dados (CSV, banco de dados, API)
2. Limpeza      → Tratar valores ausentes, corrigir erros
3. Analise      → Calcular estatisticas, encontrar padroes
4. Visualizacao → Criar graficos para comunicar descobertas
5. Comunicacao  → Apresentar resultados e recomendar acoes

Cada etapa usa ferramentas diferentes, e Python tem bibliotecas excelentes para todas elas.

As bibliotecas essenciais

Nesta trilha, você vai aprender a usar as cinco bibliotecas mais importantes:

Não se preocupe em decorar tudo agora. Cada biblioteca terá seu próprio artigo detalhado nesta trilha.

Preparando o ambiente

Antes de começar, você precisa instalar as bibliotecas. Abra o terminal e execute:

pip install numpy pandas matplotlib seaborn scikit-learn jupyter

Se você usa ambientes virtuais (recomendado), crie um primeiro:

python -m venv venv_datascience
source venv_datascience/bin/activate   # Linux/Mac
venv_datascience\Scripts\activate      # Windows

pip install numpy pandas matplotlib seaborn scikit-learn jupyter

Para verificar se tudo foi instalado corretamente:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import sklearn

print("NumPy:", np.__version__)
print("Pandas:", pd.__version__)
print("Matplotlib:", plt.matplotlib.__version__)
print("Seaborn:", sns.__version__)
print("Scikit-learn:", sklearn.__version__)

Jupyter Notebooks: seu laboratório de dados

O Jupyter Notebook é um ambiente interativo onde você pode escrever código, ver resultados e adicionar anotações, tudo no mesmo lugar. É como um caderno digital para cientistas de dados.

Para iniciar o Jupyter, execute no terminal:

jupyter notebook

O navegador vai abrir automaticamente. Clique em New → Python 3 para criar um novo notebook.

Dentro do notebook, cada bloco de código é chamado de célula. Você escreve o código na célula e pressiona Shift + Enter para executar. O resultado aparece logo abaixo.

Algumas vantagens do Jupyter:

• Executa código célula por célula (não precisa rodar tudo de uma vez)
• Mostra gráficos diretamente no notebook
• Permite misturar código com texto explicativo (Markdown)
• Facilita a experimentação e a análise exploratória

Um gostinho: carregando dados e vendo estatísticas

Vamos encerrar com um exemplo prático para você sentir o poder dessas ferramentas. Imagine que você tem um arquivo CSV com dados de vendas:

import pandas as pd

# Criando um dataset de exemplo
dados = {
    "produto": ["Notebook", "Mouse", "Teclado", "Monitor", "Webcam",
                 "Notebook", "Mouse", "Teclado", "Monitor", "Webcam"],
    "preco": [3500, 80, 150, 1200, 250,
              3800, 90, 180, 1350, 280],
    "quantidade": [10, 50, 35, 15, 20,
                   12, 45, 30, 18, 25],
    "regiao": ["Sul", "Sul", "Sul", "Sul", "Sul",
               "Sudeste", "Sudeste", "Sudeste", "Sudeste", "Sudeste"]
}

df = pd.DataFrame(dados)

# Visualizar as primeiras linhas
print(df.head())

Agora, com apenas algumas linhas, podemos obter estatísticas completas:

# Resumo estatistico dos dados numericos
print(df.describe())

# Total de vendas por regiao
df["total"] = df["preco"] * df["quantidade"]
vendas_regiao = df.groupby("regiao")["total"].sum()
print(vendas_regiao)

# Produto mais vendido
mais_vendido = df.groupby("produto")["quantidade"].sum().idxmax()
print(f"Produto mais vendido: {mais_vendido}")

Com três linhas de código, você já sabe o resumo estatístico, o faturamento por região e qual é o produto campeão de vendas. Isso é apenas o começo.

O que vem pela frente

Nesta trilha de Data Science com Python, você vai aprender:

1. NumPy — Arrays e operações numéricas ultrarrápidas
2. Pandas — Manipulação e análise de dados tabulares
3. Matplotlib e Seaborn — Visualização de dados com gráficos profissionais
4. Projeto completo — Uma análise de dados do início ao fim

Cada artigo constrói sobre o anterior, então siga a ordem para melhor aproveitamento. Ao final da trilha, você terá as habilidades necessárias para analisar qualquer conjunto de dados com Python.

Conclusão

Data Science é uma das áreas mais promissoras da tecnologia, e Python é a ferramenta ideal para entrar nesse mundo. Com um ecossistema maduro de bibliotecas, uma comunidade ativa e uma curva de aprendizado acessível, você pode ir de iniciante a analista de dados em pouco tempo. O segredo é praticar com dados reais e seguir o fluxo: coletar, limpar, analisar, visualizar e comunicar. Vamos começar essa jornada no próximo artigo, com NumPy.