with open("texto.txt", "r") as file: texto_original = file.read() dicionario_sinonimos = { 'carro': 'automóvel', 'carros': 'veículos', 'modelos': 'exemplares', 'transporte': 'locomoção', } texto_modificado = texto_original for palavra_original, sinonimo in dicionario_sinonimos.items(): texto_modificado = texto_modificado.replace(palavra_original, sinonimo) with open('texto_modificado.txt', 'w') as arquivo: arquivo.write(texto_modificado)

import csv import random def gerar_pessoas_aleatorias(num_pessoas): pessoas = [] nomes = ['Ana', 'Bruno', 'Carla', 'Daniel', 'Eduardo', 'Fernanda', 'Gabriel', 'Helena', 'Igor', 'Julia'] for _ in range(num_pessoas): nome = random.choice(nomes) peso = random.uniform(50, 100) altura = random.uniform(1.50, 1.90) pessoas.append([nome, peso, altura]) return pessoas num_pessoas = 10 pessoas = gerar_pessoas_aleatorias(num_pessoas) with open('pessoas.csv', 'w', newline='', encoding='utf-8') as arquivo: writer = csv.writer(arquivo) writer.writerow(['Nome', 'Peso', 'Altura']) writer.writerows(pessoas) def calcular_imc(peso, altura): """Calcula o IMC a partir do peso e da altura.""" return peso / (altura * altura) def classificar_imc(imc): """Classifica o IMC de acordo com a faixa de valores.""" if imc < 18.5: return 'Abaixo do peso' elif 18.5 <= imc < 25: return 'Peso normal' elif 25 <= imc < 30: return 'Sobrepeso' else: return 'Obesidade' # Carrega os dados do arquivo CSV pessoas = [] with open('pessoas.csv', 'r', encoding='utf-8') as arquivo: reader = csv.reader(arquivo) next(reader) # Pula a linha de cabeçalho for linha in reader: nome = linha[0] peso = float(linha[1]) altura = float(linha[2]) pessoas.append([nome, peso, altura]) # Calcula o IMC e classifica cada pessoa for pessoa in pessoas: imc = calcular_imc(pessoa[1], pessoa[2]) classificacao = classificar_imc(imc) pessoa.append(imc) pessoa.append(classificacao) # Salva os dados atualizados em um novo arquivo CSV with open('pessoas_com_imc.csv', 'w') as arquivo: novo = csv.writer(arquivo) novo.writerow(['Nome', 'Peso', 'Altura', 'IMC', 'Classificação']) novo.writerows(pessoas)

import json autores = { "J.K. Rowling": [ { "titulo": "Harry Potter e a Pedra Filosofal", "vendas": [ {"livraria": "Livraria A", "quantidade": 1000}, {"livraria": "Livraria B", "quantidade": 500}, {"livraria": "Livraria C", "quantidade": 200} ] }, { "titulo": "Harry Potter e a Câmara Secreta", "vendas": [ {"livraria": "Livraria A", "quantidade": 800}, {"livraria": "Livraria B", "quantidade": 600}, {"livraria": "Livraria C", "quantidade": 300} ] } ], "Stephen King": [ { "titulo": "It: A Coisa", "vendas": [ {"livraria": "Livraria A", "quantidade": 700}, {"livraria": "Livraria B", "quantidade": 400}, {"livraria": "Livraria C", "quantidade": 150} ] }, { "titulo": "O Iluminado", "vendas": [ {"livraria": "Livraria A", "quantidade": 500}, {"livraria": "Livraria B", "quantidade": 300}, {"livraria": "Livraria C", "quantidade": 100} ] } ], "George Orwell": [ { "titulo": "1984", "vendas": [ {"livraria": "Livraria A", "quantidade": 600}, {"livraria": "Livraria B", "quantidade": 350}, {"livraria": "Livraria C", "quantidade": 200} ] }, { "titulo": "A Fazenda dos Animais", "vendas": [ {"livraria": "Livraria A", "quantidade": 400}, {"livraria": "Livraria B", "quantidade": 250}, {"livraria": "Livraria C", "quantidade": 100} ] } ] } with open("livros.json", "w") as f: json.dump(autores, f, indent=4)

import json # Carrega o arquivo JSON with open("livros.json", "r") as f: autores = json.load(f) # Atualiza a quantidade de unidades vendidas de um livro autor = "Stephen King" livro = "It: A Coisa" livraria = "Livraria B" nova_quantidade = 500 for book in autores[autor]: if book["titulo"] == livro: for venda in book["vendas"]: if venda["livraria"] == livraria: venda["quantidade"] = venda["quantidade"] + nova_quantidade break # Atualiza o arquivo JSON with open("livros.json", "w") as f: json.dump(autores, f, indent=4)

import pandas as pd # Carregando a base de dados diretamente do link url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/abalone.csv" # Definindo os nomes das colunas column_names = ['Sex', 'Length', 'Diameter', 'Height', 'Whole weight', 'Shucked weight', 'Viscera weight', 'Shell weight', 'Rings'] # Carregando a base de dados com os nomes das colunas corretos df = pd.read_csv(url, names=column_names) # Salvando a base de dados em um arquivo CSV df.to_csv("abalone.csv", index=False) # Exibindo a base de dados carregada e ajustada print(df)

import pandas as pd # Carregando a base de dados diretamente do link url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/abalone.csv" # Definindo os nomes das colunas column_names = ['Sex', 'Length', 'Diameter', 'Height', 'Whole weight', 'Shucked weight', 'Viscera weight', 'Shell weight', 'Rings'] # Carregando a base de dados com os nomes das colunas corretos df = pd.read_csv(url, names=column_names) # Calculando a média das variáveis agrupadas por "Sex" media_df = df.groupby('Sex')[['Length', 'Diameter', 'Height', 'Whole weight', 'Rings']].mean() # Exibindo o dataframe com as médias print(media_df)

import pandas as pd # Carrega o DataFrame diretamente do link do Github df = pd.read_csv("https://raw.githubusercontent.com/cassiusf/datasets/main/exemplo_dataset.csv") # Imprime o DataFrame print(df)

import pandas as pd # Carregando a base de dados diretamente do link url = "https://raw.githubusercontent.com/domoritz/maps/master/data/iris.json" df = pd.read_json(url) # Calculando a média e a mediana das variáveis numéricas por espécie resultados = df.groupby('species').agg(['mean', 'median']) # Apresentando os resultados print(resultados)

import pandas as pd # Carregando o dataset df = pd.read_csv('AccountData.csv') # Limpeza do dataset df.dropna(subset=['Transaction Number'], inplace=True) df.dropna(subset=['Date'], inplace=True) df.dropna(subset=['Memo'], inplace=True) df.dropna(subset=['Category'], inplace=True) df.dropna(subset=['Transaction Amount'], inplace=True) df.dropna(subset=['Balance'], inplace=True) df.dropna(subset=['Temp 1'], inplace=True) # Salvando o dataset limpo df.to_csv('AccountData_limpo.csv', index=False) print(df)