A linguagem python tem por padrão várias funções, suficientes para criar programas bastante complexos. A lista abaixo fornece praticamente todas as palavras-chaves do python padrão (Standard Python):

False      await      else       import     pass
None       break      except     in         raise
True       class      finally    is         return
and        continue   for        lambda     try
as         def        from       nonlocal   while
assert     del        global     not        with
async      elif       if         or         yield

Outras palavras, como int, float, print, input, etc., estão reservadas para funções, tipos de dados, operadores, etc. Consulte a documentação sobre a Biblioteca Padrão de Python (Python Standard Library) para uma lista gigante e praticamente completa.

Módulos

Mesmo com todos esses recursos, o python só se tornou a mais importante ferramente computacional da atualidade pela sua capacidade de extender seus poderes usando módulos, que são conjuntos (ou bibliotecas) de novos tipos de dados, métodos, operadores e funções criados com uma finalidade específica em mente: lidar com arquivos, resolver problemas numéricos, inteligência artificial, etc, etc, etc.

A lista de módulos disponíveis é praticamente infinita, impossível de ser listada aqui. Como o curso pretende lidar com técnicas computacionais de análise numérica de dados, vamos focar num subconjunto pequeno dos módulos python para essa finalidade. Anida assim, mesmo sem conseguir trabalhar aqui com mais do que um pequeno punhado de módulos, começaremos com comandos básicos, válidos para qualquer um deles. Com isso, você pode procurar nos Recursos outros módulos que lhe interessem e testá-los para seus objetivos. Veremos também, mais adiante, como criar nosso próprio módulo personalizado!

Para fixar as ideias, vamos usar como exemplo o módulo chamado numpy. Você pode extrapolar os conceitos e comandos mostrados abaixo para qualquer módulo.

O módulo math tem algumas funções parecidas com as encontradas no numpy. No entanto, o math não é atualmente recomendável para computação científica. Evite usá-lo!

Usaremos como motivação o seguinte problema: digamos que você precise calcular a raiz quadrada de um número. O python padrão não tem uma função para isso, mas pode ser adicionada se você incluir no seu código algum módulo que contenha essa função. O módulo numpy é o mais indicado: ele contém muitas funções matemáticas, como seno, cosseno, exponential, raiz quadrada, etc.

Um dos exercícios da Lista 1 (esse aqui) ilustra uma possível maneira de calcular a raiz quadrada sem usar um módulo externo, usando uma estratégia numérica conhecida por Método de Newton-Raphson. Você poderia usá-la em seus próprios módulos personalizados…

Importanto módulos

Vejamos, então, como incluir um módulo externo no código. Isse é feito com o comando import. De forma direta, basta incluir a seguinte linha no começo do seu programa:

import numpy

Com isso, importamos todas as funções e métodos disponibilizados pelo módulo numpy. Por exemplo, a função raiz quadrada é chamada de sqrt (do inglês square root). Usando import numpy, a função ficará acessível ao seu programa como numpy.sqrt. Você então a chamaria assim:

import numpy

a = 5.0
rqa = numpy.sqrt(a)

print(f'A raiz quadrada de {a} é {rqa}')

Essa, no entanto, é apenas uma das maneiras de usar o comando import. Uma outra maneira é dar um “apelido” ao módulo com a palavra chave as (como):

import numpy as np

onde np é o apelido escolhido (é da escolha do programador). Nesse caso, acessamos a função sqrt precedida pelo apelido, np.sqrt, e não mais pelo nome (numpy.sqrt). Veja a diferença:

import numpy as np

a = 5.0
rqa = np.sqrt(a)

print(f'A raiz quadrada de {a} é {rqa}')

Uma terceira maneira de usar o import é a seguinte, usando o método from (de):

from numpy import *

a = 5.0
rqa = sqrt(a)

print(f'A raiz quadrada de {a} é {rqa}')

A linha from numpy import * diz, literalmente (em inglês), de numpy importe tudo. O caractere * (asterisco) é chamado de caractere-coringa (wildcard, em inglês) pois, em analogia a jogos de cartas, ele tem o valor que você quiser, ou tudo ao mesmo tempo. Repare que, usando essa maneira de importar, as funções são usadas sem nenhuma qualificação de origem, ou seja, usamos diretamente sqrt(a), e não numpy.sqrt(a) ou np.sqrt(a). Com a construção from import, você poderia também importar apenas a função que lhe interessa:

from numpy import sqrt

a = 5.0
rqa = sqrt(a)

print(f'A raiz quadrada de {a} é {rqa}')

Isso tem um certo ganho de eficiência, pois menos funções, métodos e variáveis são criadas pelo seu programa, usando assim menos memória. Mas essa vantagem é contrabalanceada pelo seguinte problema:

Fuja do uso da construção from modulo import * ou from modulo import metodo. Isso não é recomendado, pois seu programa poderia ter funções ou variáveis com o mesmo nome de funções ou variáveis do modulo importado. Esses conflitos levariam a erros de execução.

Para evitar isso, você pode combinar a construção from com as, importando apenas a função sqrt do numpy, mas dando-lhe um apelido:

from numpy import sqrt as raiz

a = 5.0
rqa = raiz(a)

print(f'A raiz quadrada de {a} é {rqa}')

É pouco provável que exista uma função raiz no numpy, então o problema é contornado — mas sem nenhuma garantia: e se um dos desenvolvedores do numpy é lusófono e usou a palavra raiz internamente no código? Por isso, eu não recomendo usar a construção from, nem mesmo com o uso concomitante do as. É melhor, por segurança e compatibilidade, importar os módulos completos, com import numpy ou import numpy as np.

Teste seu código:

Cortesia: trinket.io

Página atualizada em 22/08/20