Olá a todos! Como já viram no título, esse post será focado em Python para pessoas curiosas sobre programação ou para aquelas que querem conhecer mais sobre essa linguagem, que está entre as top 3 linguagens mais importantes para se aprender nesse ano, segundo sites como StackOverflow, TIOBE e outros. E uma curiosidade: o nome Python não vem da píton (serpentes constritoras do gênero Pythonidae) mas sim em homenagem ao grupo britânico Mount Python!

A linguagem Python foi lançada em 1991, por Guido van Rossum, e possui como característica a sua facilidade de escrita. Vejamos um exemplo abaixo de como a linguagem parece bem simplificada na sua forma de escrita em comparação com outra linguagem bem conhecida, o C++:

C++

#include <iostream>
int main() {
    std::cout << "Hello World!";
    return 0;
}

Python

Print (“Hello World!”)

Claro que esse exemplo é muito simples, apenas mostrando uma função básica das linguagens, mas já é possível ter noção da diferença. E é importante destacar que isso não quer dizer que uma linguagem é melhor que a outra, todas possuem suas próprias características e razões para assim ser! A vantagem de uma linguagem como Python é a facilidade de escrita, mais dinâmica, mas isso acarreta num desempenho pior por parte do processamento do seu código, já que o interpretador do Python vai, literalmente, interpretar primeiro o que foi escrito no código e depois realizar as tarefas escritas. Por outro lado, em linguagens como o C++, utilizado no exemplo, a linguagem é mais próxima da linguagem de máquina dos processadores (baixo nível), portanto a sua interpretação e compilação é mais rápida.

Essas vantagens elevou a linguagem Python para um patamar muito bem visto no mundo da programação, com muitos aficionados e defensores da linguagem. Isso gerou o desenvolvimento de uma filosofia própria, chamada de Zen do Python. São 19 princípios que definem o que é esperado do código nessa linguagem.

Zen do Python

Bonito é melhor que feio.
Explícito é melhor que implícito.
Simples é melhor que complexo.
Complexo é melhor que complicado.
Linear é melhor do que aninhado.
Esparso é melhor que denso.
Legibilidade conta.
Casos especiais não são especiais o bastante para quebrar as regras.
Ainda que praticidade vença a pureza.
Erros nunca devem passar silenciosamente.
A menos que sejam explicitamente silenciados.
Diante da ambiguidade, recuse a tentação de adivinhar.
Dever haver um — e preferencialmente apenas um — modo óbvio para fazer algo.
Embora esse modo possa não ser óbvio a princípio, a menos que você seja holandês.
Agora é melhor que nunca.
Apesar de que nunca normalmente é melhor do que exatamente agora.
Se a implementação é difícil de explicar, é uma má ideia.
Se a implementação é fácil de explicar, pode ser uma boa ideia.
Namespaces são uma grande ideia — vamos ter mais dessas!

No poema acima fica explícito os princípios de legibilidade e simplicidade da linguagem, né?

Quais as vantagens de aprender Python?

Para responder essa pergunta, vamos primeiro analisar um pouco algumas áreas que a linguagem Python se destaca.

Data Science (Ciência de Dados)

A área de Data Science é, de forma bem sucinta, a área de estudos que é destinada a análises de dados. Parece bem simples, mas pense na quantidade de dados que um banco nacional possui sobre todos os seus clientes e imagine que esse mesmo banco deseja saber quais desses clientes apresentam o maior risco de se tornarem inadimplentes, após receberem um empréstimo. Não parece tão simples agora, não é?

Data Science vai possibilitar que grandes empresas possam tomar decisões baseadas em dados reais, analisados de uma forma muito ampla com machine learning (aprendizado de máquina), predizendo ações e tomadas de decisões através de análises de padrões dos dados fornecidos.

E por que Python tem esse destaque em data Science?

É simples: por causa da facilidade e pelas ótimas bibliotecas! Como já foi dito acima, Python tem como característica a facilidade de escrita, portanto o analista pode focar boa parte do tempo no que realmente é necessário, que é na resolução problema! E para falar das bibliotecas, vamos primeiro explicar o que são essas “bibliotecas”.

Basicamente, bibliotecas são funções que outras pessoas já escreveram e que outros usuários podem importar em seus projetos e utilizar, sem a necessidade de “reinventar a roda” sempre, já que outras pessoas da comunidade já escreveram e testaram de forma ampla a função que você precisa para o seu projeto.

            Quando o assunto é Data Science, quatro bibliotecas se destacam: NumPy, Pandas, Matplotlib e Scikit-learn.

NumPy – biblioteca para quem precisa trabalhar com operações matemáticas e estatística. Não preciso nem falar que é fundamental para trabalhar com análises de dados, certo?

Pandas – essa biblioteca foi criada para facilitar o trabalho com dados, permitindo a criação de “dataframes” de forma bem simplificada. Tem como o base o próprio NumPy.

 Matplotlib – permite a criação de forma simples e rápida de gráficos dos seus dados.

Scikit-learn – Quer trabalhar com machine learning? Essa é a biblioteca mais popular para esse tipo de trabalho.

Cropped image of It specialist working on code

Onde trabalhar com Python?

            Python vai ser encontrado em qualquer área que precisa trabalhar com uma grande quantidade de dados. Empresas como Netflix, Google, Instagram, Spotify e outras utilizam muito o Python. Essas empresas precisam de agilidade em suas análises de dados e predições, portanto uma linguagem como o Python cai como uma luva para essas necessidades.

            A área acadêmica também utiliza muito a linguagem, principalmente a física de modo geral. Lembram daquela imagem do buraco negro, que ficou muito famosa anos atrás? A biblioteca NumPy teve uma participação fundamental no processo. Na área biológica Python também tem participação importante, principalmente com a Biopython, uma biblioteca destinada para análises de dados biológicos.

 Mas vale deixar algo bem claro aqui: em boa parte das oportunidades de trabalho, o conhecimento de Python dificilmente será o único requisito. Um exemplo: em desenvolvimento web, o profissional vai precisar ter conhecimentos de HTML, CSS, PHP, no mínimo! Portanto, o estudante deve ter um conhecimento geral da área que almeja e diversificar seus estudos.

Conclusão

 Depois de ler tudo o que foi escrito e chegar até aqui, ainda existe dúvidas das vantagens de estudar Python? Uma das linguagens mais populares do mundo, tão ampla que é possível encontrar Python nas mais diversas áreas tecnológicas e acadêmicas.            

O que você está esperando para começar a aprender?