10) A leitura de um arquivo CSV deve ser feita com o método: pandas. read_csv(parâmetros). Tal método
possui um grande número de parâmetros, o que proporciona uma versatilidade incrível para esse método. Dentre todos os parâmetros o único que é obrigatório é o . Outro parâmetro que é bastante importante para a leitura desse arquivo é o ou delimiter (ambos fazem a mesma coisa), que por padrão possui o valor , ou seja, caso não seja especificado nenhum valor, então o método fará a leitura dos dados considerando esse valor default. O parâmetro , tem como valor padrão 'infer', que significa que o método fará a inferência para os nomes das colunas a partir da primeira linha de dados do arquivo.Escolha a opção que completa corretamente as lacunas.
Alternativas:
a)
data; separator; pipe (|); columns
b)
filepath_or_buffer; sep; vírgula (,); columns
c)
data; sep; vírgula (,); header
d)
filepath_or_buffer; sep; vírgula (,); header
Alternativa assinalada
e)
filepath_or_buffer; separator; vírgula (,); columns
11)
Visualização de dados ou é um dos pilares dos profissionais que trabalham com dados. Existem profissionais que se especializam e inclusive tiram certificações para atuar nessa área específica. Após uma análise de dados e extração de informações é interessante que a entrega de resultados para a área de negócios seja feita de maneira visual, ou seja, por meio de gráficos. Um gráfico bem elaborado "fala" por si só e ajuda aos que assistem a entenderem os resultados.
A linguagem Python, conta com uma série de bibliotecas que permitem a criação de gráficos, os quais podem ser ou , que apresentam iteração, como por exemplo, responder a de clique do mouse.
Escolha a opção que completa corretamente as lacunas.
Alternativas:
a)
DataGraph; estáticos; dinâmicos; eventos
b)
DataViz; funções; métodos; iteração
c)
DataGraph; funções; métodos; iteração
d)
DataViz; estáticos; funcionais; iteração
e)
DataViz; estáticos; dinâmicos; eventos
Alternativa assinalada
12)
Com a utilização da linguagem Python na área científica para trabalhar com dados, após a extração dos resultados, o cientista precisava criar seus gráficos nos outros softwares mencionados, o que se tornava inconveniente, motivando a criação de uma das principais bibliotecas em Python.
Ao se falar em criação de gráficos em Python, o profissional precisa conhecer a biblioteca matplotlib, pois
Alternativas:
a)
diversas outras são construídas a partir desta.
Alternativa assinalada
b)
é a que contém o maior número de funções.
c)
é a única que contém função capaz de plotar gráfico de barras.
d)
é a única que contém função capaz de plotar gráficos estatísticos.
e)
é a única que já vem instalada com o interpretador padrão.
13)
As principais estruturas de dados da biblioteca pandas e possuem o método , construído com base no e que permite criar gráficos a partir dos dados nas estruturas.
Escolha a opção que completa corretamente as lacunas.
Alternativas:
a)
Series; DataFrame; plot(); matplotlib
Alternativa assinalada
b)
listas; dicionários; plot(); matplotlib
c)
Series; DataFrame; plotar(); PyPI
d)
listas; dicionários; plotar(); PyPI
e)
Series; DataFrame; plotar(); interpretador
14)
A partir de um DataFrame, podemos invocar o método: para criar os gráficos. Os argumentos dessa função, podem variar, mas existem três que são triviais: o nome da coluna que será atribuída , o nome da coluna que será atribuído , bem como .
Escolha a opção que completa corretamente as lacunas.
Alternativas:
a)
df. plotar(*args, **kwargs); ao rótulo; a legenda; o tamanho do gráfico.
b)
df. plot(*args, **kwargs); ao rótulo; a legenda; o tamanho do gráfico.
c)
df. plotar(*args, **kwargs); eixo x; eixo y; o tipo de gráfico
d)
df. plot(*args, **kwargs); eixo x; eixo y; o tamanho do gráfico
e)
df. plot(*args, **kwargs); eixo x; eixo y; o tipo de gráfico
Alternativa assinalada
15)
Seaborn é outra biblioteca Python baseada , que foi desenvolvida especificamente para criação de gráficos. Seaborn pode ser instalado via pip install: pip install , e para utilizar no projeto existe uma convenção para sintaxe: . A biblioteca conta com um repositório de datasets que podem ser usados para explorar as funcionalidades. A função load_dataset(), pode ser usada para carregar .
Escolha a opção que completa corretamente as lacunas.
Alternativas:
a)
em pandas; python_seaborn; import seaborn as sbn; uma Series.
b)
matplotlib; seaborn; import seaborn as sns; um DataFrame
Alternativa assinalada
c)
matplotlib; seaborn; import seaborn as sns; uma Series.
d)
em pandas; seaborn; import seaborn as sns; um DataFrame
e)
matplotlib; pandas_seaborn; import seaborn as sns; um DataFrame
Gustastrada está aguardando sua ajuda, Clique aqui para responder.