Curso python

Introdução à linguagem
de programação Python
Com aplicações ao cálculo cientíco
João Luís Silva
Setembro/2008

Conteúdo
1 Introdução 1
1.1 Instalação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Ambientes de desenvolvimento integrados . . . . . . . . . . . . . 2
1.3 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Introdução à programação 5
2.1 Tipos de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1 Valores numéricos . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Cadeias de caracteres . . . . . . . . . . . . . . . . . . . . 6
2.1.3 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.4 Tuplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.5 Dicionários . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Instruções de controlo do uxo do programa 10
3.1 Condições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Blocos de código . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Decisões: if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Executar um bloco de código um dado número de vezes: for . . . 12
3.4.1 A função range . . . . . . . . . . . . . . . . . . . . . . . . 12
3.5 Executar um bloco de código enquanto uma condição for verda-
deira: while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 As instruções break e continue . . . . . . . . . . . . . . . . . . . 13
4 Estruturação e organização do código 14
4.1 Funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.1.1 Funções base do Python . . . . . . . . . . . . . . . . . . . 15
4.2 Módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.3 Classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5 Operações de entrada / saída 20
6 Controlo de erros 22
i

Conteúdo
7 A biblioteca padrão 23
7.1 Os módulos math e cmath . . . . . . . . . . . . . . . . . . . . . . 23
7.2 O módulo sys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7.3 O módulo os . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
7.4 O módulo csv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
8 Python e cálculo numérico 25
8.1 Numpy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8.1.1 Diferenças nitas . . . . . . . . . . . . . . . . . . . . . . . 26
8.2 Scipy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
8.2.1 optimize . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
8.2.2 stats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
8.2.3 linalg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
8.2.4 signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
8.2.5 tpack . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
8.2.6 integrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8.2.7 outras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8.3 VPython . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8.3.1 Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
8.3.2 Objectos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
8.4 matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
8.4.1 plot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
8.4.2 subplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
8.4.3 hist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
8.4.4 scatter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
8.4.5 imshow . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
8.5 Armazenamento de dados de simulações . . . . . . . . . . . . . . 39
8.5.1 Acesso a cheiros netCDF com o ScienticPython . . . . . 40
9 Conclusão 42
ii

Cap´ıtulo 1
Introdução
O Python é uma linguagem de programação de alto nível criada por Guido Van
Rossum, cuja primeira versão foi publicada em 1991. O Python suporta vários
paradigmas de programação, como a programação estruturada, a programação
orientada a objectos e também alguns elementos da programação funcional,
mas nenhuma destas escolhas é imposta ao utilizador, sendo possível utilizar o
paradigma que se achar mais adequado. As principais vantagens de usar Python
são:
ˆ A qualidade do código: A sintaxe do Python facilita e encoraja a legibili-
dade do código, o que o torna mais fácil de manter e reutilizar.
ˆ A produtividade do programador: É mais rápido desenvolver um mesmo
código em Python do que noutras linguagens como o C, C++ ou Java.
O código é mais compacto, requerendo menos linhas, e não necessita da
declaração prévia do tipo das variáveis. Para além disso, não requer um
ciclo de compilação, podendo o programa ser executado imediatamente.
ˆ A portabilidade: Muitos programas Python correm sem qualquer alteração
em várias plataformas como o Linux e o Windows.
ˆ Uma vasta biblioteca padrão
A linguagem Python é referida usualmente como uma linguagem de scripting
pois é usualmente aplicada nessas tarefas, mas não existe uma diferença de
fundo entre um script e um programa, sendo o primeiro entendido como um
programa simples. Um uso comum do Python é o de servir de linguagem de
controlo de componentes escritos noutra linguagem (como o C++), no entanto o
Python não está limitado a tarefas simples, podendo ser usado em programas de
qualquer dimensão. Uma possível desvantagem do Python em relação a outras
linguagens de programação compiladas é a velocidade de execução, o que dadas
as capacidades dos computadores actuais não é um problema para a maior parte
dos programas. Para os programas em que essa diferença é importante, é sem-
pre possível desenvolver a maior parte do programa em Python suplementado
por um módulo chamado a partir do Python e desenvolvido noutra linguagem.
1

1 Introdução
No caso particular das simulações numéricas utilizam-se usualmente módulos
externos à distribuição Python base, como o numpy e scipy.
O sítio www.python.org contém vasta documentação (sobretudo em inglês)
acerca do Python, para todos os níveis de utilizadores. O nome da linguagem,
Python, deve-se ao seu criador ser um fã da série televisiva da BBC Monty
Python Flying Circus.
1.1 Instalação
As distribuições do sistema operativo Linux já incluem o interpretador de lin-
guagem Python, embora algumas bibliotecas que iremos utilizar não sejam ins-
taladas por defeito. No sistema operativo Windows pode instalar a distribuição
ocial, de http://www.python.org/, e acrescentar posteriormente os módulos
em falta.
1.2 Ambientes de desenvolvimento integrados
Embora linguagem Python não imponha a utilização de ferramentas especícas
para a criação de programas, é vantajoso utilizar um ambiente de desenvol-
vimento integrado (IDE
1) que suporte o Python. Entre as várias escolhas de
programas gratuitos de código aberto destacam-se:
ˆ IDLE - Integrated development for Python, que é incluído com a distri-
buição Python
ˆ Eric, disponível em http://www.die-offenbachs.de/eric/index.html.
ˆ Pydev, que é uma extensão ao IDE eclipse.
ˆ SPE, de Stani's Python Editor, disponível em http://pythonide.stani.
be/.
1.3 Modo interactivo
A forma mais simples de experimentar o Python é usar a linha de coman-
dos interactiva do Python. Alternativamente, pode-se usar o ipython (http:
//ipython.scipy.org/) que tem capacidades de edição e introspecção avança-
das, ou o modo imediato de um IDE Python. Usando o ipython:
1
Abreviatura de Integrated development environment
2

1 Introdução
Figura 1.1: O IDE SPE
$ ipython
Python 2.5.1 (r251:54863, Jul 10 2008, 17:24:48) Type copyright, credits or
license for more information.
IPython 0.8.2 An enhanced Interactive Python.
? - Introduction and overview of IPython's features.
%quickref - Quick reference.
help - Python's own help system.
object? - Details about 'object'. ?object also works, ?? prints more.
In [1]:
Na linha de comandos do ipython podemos introduzir qualquer comando
Python. Uma das características mais úteis é o auto-complete, isto é, se a
seguir a um objecto escrevemos . e de seguida premir-mos o tab obtemos uma
lista das possibilidades
In [1]: import scipy
In [2]: scipy.
Display all 526 possibilities? (y or n)
Outra característica importante é a habilidade de ver a ajuda relativamente
a qualquer objecto:
In [1]: import scipy
In [2]: help(scipy)
e seria mostrada a documentação deste módulo. Também podemos pedir
ajuda acerca de funções da própria linguagem
3

1 Introdução
In [1]: help(open)
Help on built-in function open in module __builtin__:
open(...)
open(name[, mode[, buering]]) - le object
Open a le using the le() type, returns a le object.
Ou então podemos simplesmente usar o Python como uma calculadora avan-
çada
In [1]: import math
In [2]: (1+math.sqrt(5))/2.0
Out[2]: 1.6180339887498949
In [3]: 2**3
Out[3]: 8
Quando usado interactivamente, o interpretador mostra o resultado do co-
mando, por exemplo 2**3 imprime 8, mas isso não acontece quando está a
executar um cheiro Python, e nessa situação temos de usar a instrução print.
Listagem 1.1:
# −*− coding : latin −1 −*−
#Ficheiro print . py
#O cardinal indica que o resto da linha é um comentário
#e será ignorado pelo Python
print 2**3 #Imprime 8
Para executar o cheiro print.py (listagem 1.1), numa linha de comandos:
$ python print.py
8
A primeira linha do programa (# -*- coding: latin-1 -*- ) é necessária porque
este contém caracteres acentuados, e é necessário especicar como estão codi-
cados. As codicações usuais são o latin-1 e utf-8. Se esta linha não estivesse
presente obteríamos o erro:
$ python print.py
File print.py, line 2
SyntaxError: Non-ASCII character 'xc3' in le t.py on line 2, but no encoding
declared; see http://www.python.org/peps/pep-0263.html for details
4

Cap´ıtulo 2
Introdução à programação
Os computadores que utilizamos normalmente seguem a arquitectura de Von
Neumann (ver Fig. 2.1) em que o processador executa um programa armazenado
na memória, podendo ler ou escrever dados nessa mesma memória e também
comunicar com os dispositivos de entrada e saída. As instruções executadas pelo
processador designam-se por código máquina, sendo operações muito simples,
como por exemplo ler ou escrever um valor de uma dada posição da memória,
somar dois números ou mudar o ponto de execução do programa para uma outra
posição se o resultado da operação anterior for zero. Cada uma destas opera-
ções elementares é identicada por um número, e quando aplicável, seguem-se
os números referentes aos parâmetros passados a essa instrução. Como é di-
fícil programar usando apenas números criou-se uma representação intermédia
chama assembly, em que cada uma destas instruções é agora representada por
uma mnemónica, e passa a ser necessário converter desta representação mais
útil para nós para os números que o processador consegue executar usando um
programa chamado assembler. Apesar de o assembly ser mais fácil de utilizar,
é ainda necessário estar envolvido nos detalhes da máquina, sendo complexo es-
crever programas extensos, pelo que hoje em dia é apenas utilizado em pequenas
rotinas que necessitem de um contacto mais próximo com o hardware.
Posteriormente foram desenvolvidas outras linguagens de programação que,
por comparação com o assembly, são linguagens de alto nível, como o Fortran,
Pascal ou C, que utilizam abstracções mais próximas das usadas pelo homem,
mas que tal como a primeira têm de poder ser traduzidas de forma não ambígua
para código máquina. A maior parte dos programas disponíveis hoje em dia são
criados em linguagens deste tipo.
Neste curso vamos estudar a linguagem Python, que é chamada de muito alto
nível, pois utiliza abstracções ainda mais afastadas das utilizadas pelo proces-
sador, e que nos são mais próximas.
5

2 Introdução à programação
Figura 2.1: A arquitectura de Von Neumann
2.1 Tipos de dados
2.1.1 Valores numéricos
O Python suporta números inteiros, reais e complexos, que podemos manipular
com as operações aritméticas convencionais (ver Tab. 2.1). Por exemplo
Listagem 2.1:
n = 3*5**2 # Variável i n t e i r a
x = 3 . 1 4 / 2 . 0 # Variável real
z = 1 j # Variável complexa
Neste exemplo n = 3 · 52 = 75 e à variável z é atribuído o valor da unidade
imaginária, que em Python é representada por j, mas que tem sempre que se
seguir a um número para se distinguir da variável j. As operações que envol-
vam números inteiros e reais retornam um resultado real e as que envolvam
dois inteiros devolvem um inteiro. Uma consequência importante desta última
propriedade é que o mesmo operador divisão efectua a divisão inteira para dois
valores inteiros, mas a divisão real quando um dos valores é real.
Listagem 2.2:
print 1/3 #Imprime 0
print 1 / 3 . 0 #Imprime 0.333333333333
print 1 . 0 / 3 . 0 #Imprime 0.333333333333
Este comportamento vai mudar na versão 3.0 do Python, sendo então o ope-
rador / sempre a divisão real, e utilizando // para a divisão inteira. Podemos
forçar esse novo comportamento já na versão actual do Python se a primeira
linha do nosso programa for
Listagem 2.3:
from __future__ import d i v i s i o n
2.1.2 Cadeias de caracteres
As cadeias de caracteres são delimitadas em Python por ` ou . Por exemplo
Listagem 2.4:
s = a b c d e f
mensagem = ' Olá , Mundo ! '
6

Operador Descrição
+ Soma
- Subtracção
* Multiplicação
/ Divisão (real ou inteira)
// Divisão inteira
** Elevar a uma potência
% Módulo (resto da divisão inteira)
Tabela 2.1: Operadores aritméticos
Estas cadeias de caracteres não podem ter mudanças de linha. Se for neces-
sário incluir mudanças de linha pode-se ou colocar explicitamente o código de
mudança de linha n ou usar aspas triplas .
Listagem 2.5:
s 2 = Linha 1 nLinha2
mensagem_longa = Ao i n i c i a r m o s uma c a d e i a de c a r a c t e r e s
com a s p a s t r i p l a s podemos u s a r mudanças de l i n h a sem que
i s s o c o n s t i t u a um e r r o de s i n t a x e
Podemos aceder a caracteres individuais ou secções de uma cadeia de carac-
teres usando a notação de parêntesis rectos e sequências:
Listagem 2.6:
s = a b c d e f
print l e n ( s ) #A função len ( s ) devolve o tamanho de s ,
# neste caso 6
print s [ 0 ] #Imprime o primeiro caracter de s , 'a '
print s [ −1] #Índices negativos contam a p a r t i r do fim ,
#neste caso ' f '
print s [ 2 : 4 ] #Sequência de índices , o primeiro é 2 e
#menor que 4 (2 e 3) , neste caso imprime ' cd '
A sintaxe geral de uma sequência é inicio:m:incremento, em que cada um
destes valores é opcional.
Listagem 2.7:
s = a b c d e f
print s [ : : 2 ] #Todos os elementos , incremento 2 ,
#imprime ' ace '
print s [ : : −1 ] #Todos os elementos em ordem inversa ,
#imprime ' fedcba '
print s [ 3 : ] #I ní ci o no índice 3 , imprime ' def '
7

Método Descrição
insert(i,v) Insere o valor v na posição i
append(v) Acrescenta o valor v ao m da lista
remove(v) Remove da lista o primeiro item com valor v
pop() Retorna o último valor da lista, removendo-o.
index(v) Retorna o índice da primeira ocorrência de v. Se não existir retorna um erro.
count(v) Número de vezes que v está na lista
sort() Ordena a lista
reverse() Inverte a ordem dos elementos da lista
Tabela 2.2: Métodos das listas
print s [ 4 : 2 ] #I ní ci o no índice 4 , termina no 2 ,
#como não corresponde a nenhum índice
#possível , retorna uma cadeia de
#caracteres vazia , ' '
Em Python as cadeias de caracteres são imutáveis e embora possamos aceder
a caracteres individuais não os podemos alterar:
In [1]: s = abc
In [2]: s[0] = z
TypeError: 'str' object does not support item assignment
Podemos no entanto atribuir à mesma variável um novo valor construído com
base no anterior:
In [1]: s = abc
In [2]: s = z + s[1:]
In [3]: print s
zbc
2.1.3 Listas
Uma lista é um conjunto ordenado de objectos. Uma lista pode ser alterada,
inserindo, apagando ou substituindo um ou mais elementos. Em Python as
listas são delimitadas por parêntesis rectos.
Listagem 2.8:
l = [ 3 . 1 4 , p i , 7 ]
print l [ 0 ] #Imprime 3.14
l [ 2 ] += 3 # Agora l é [3.14 , pi ,10]
l . append ( 1 j ) #Insere o número complexo 1 j
#no fim da l i s t a
As listas, tal como as cadeias de caracteres e tuplos suportam indexação
usando sequências.
Listagem 2.9:
8

l = [ 1 , a , 3 . 1 4 , 2 . 7 1 8 ]
print l [ : 2 ] #Imprime [1 , 'a ']
2.1.4 Tuplos
Os tuplos são sequências ordenadas de objectos, semelhantes às listas, mas imu-
táveis. Os tuplos são delimitados por parêntesis.
Listagem 2.10:
t = ( 1 , abc , 5 . 0 , 7 . 4 )
print t [ 1 : 3 ] #Imprime ( ' abc ' , 5.0)
t 2 = ( 1 0 , ) #Um tuplo com apenas um elemento
Para criar um tuplo com apenas um elemento é necessário por uma vírgula a
seguir esse elemento, de outra forma seria apenas um valor entre parêntesis. Os
próprios parêntesis são opcionais onde tal não é ambíguo:
Listagem 2.11:
a = 10
b = 20
a , b = b , a #Operação entre tuplos , apesar de não ter
#parentesis . Agora a=20 e b=10
2.1.5 Dicionários
Um dicionário associa valores a chaves. As chaves têm de ser valores imutáveis
(números, cadeias de caracteres ou tuplos destes), sendo associadas um valor
que pode ser qualquer objecto Python.
Listagem 2.12:
d = {} #Um dicionário vazio
d [ 1 ] = abc #Associa o valor abc à chave 1
Podemos ver quais são as chaves de um dicionário com o método keys()
Listagem 2.13:
d = { 1 : um , 2 : d o i s }
print d . k e y s ( ) #Imprime [1 ,2]
i f 2 in d :
print O d i c i o n á r i o tem a chave 2 , com o v a l o r , d [ 2 ]
9

Cap´ıtulo 3
Instruções de controlo do uxo do
programa
O uxo de execução de um programa que normalmente segue de uma linha
para a seguinte pode ser alterado, executando um dado bloco apenas se uma
condição for verdadeira, ou executando repetidamente blocos de código. Estas
operações são realizadas com as instruções if, for e while. Antes de estudar
estas instruções necessitamos primeiro denir o que é uma condição.
3.1 Condições
Em Python qualquer objecto pode ser testado para determinar se é uma condi-
ção verdadeira ou falsa. São condições falsas None, False, um valor numérico
nulo, uma lista, cadeia de caracteres, tuplo, ou dicionário vazios. Os restantes
são verdadeiros. Estas condições podem ser combinadas com os operadores ló-
gicos or (ou lógico), and (e lógico) e not (não lógico). O exemplo seguinte vai
imprimir a mensagem, pois uma lista vazia é uma condição falsa, e negação de
uma proposição falsa é uma proposição verdadeira.
Listagem 3.1:
l i s t a = [ ]
i f not l i s t a :
print A l i s t a e s t á v a z i a
3.2 Blocos de código
As instruções if, while, for e def são seguidas por um bloco de código. Em
Python, um bloco de código é um conjunto de uma ou mais linhas de código
que estão espaçadas da mesma forma a partir da margem esquerda. Isto é,
em Python o alinhamento do código é signicativo. Por exemplo o seguinte
programa vai falhar com um erro:
10

3 Instruções de controlo do uxo do programa
Operador Descrição
Menor
Maior
= Menor ou igual
= Maior ou igual
== Igual
!= Diferente
Tabela 3.1: Operadores lógicos
Listagem 3.2:
x = 5
i f x 10:
x += 1
print x f o i i n c r e m e n t a d o
File bloco.py, line 4
print x foi incrementado
^ IndentationError: unexpected indent
A instrução print deveria estar alinhada com a anterior. Como neste ponto o
Python não espera um novo bloco falha com o erro IndentationError. É impor-
tante espaçar da mesma forma os blocos de código, e a convenção recomendada
é usar 4 espaços. Isto é tornado mais fácil usando um editor que suporte as
convenções Python, o que assegura a uniformidade do código. Se não estiver a
usar um editor que suporte estas convenções é importante usar sempre 4 espaços
e não misturar espaços com tabulações.
Como um bloco de código tem de ter sempre pelo menos uma linha existe
uma instrução que não faz nada, pass. Desta forma, se por exemplo quisermos
deixar temporariamente um dado bloco vazio esta instrução satisfaz o requisito
de lá ter pelo menos uma linha.
3.3 Decisões: if
A instrução if permite-nos executar um bloco de código se se vericar uma dada
condição.
Listagem 3.3:
i f a=b and a=c :
print a é v a l o r máximo
e l i f b=a and b=c :
print b é v a l o r máximo
else :
print c é v a l o r máximo
Este exemplo ilustra a sintaxe: Se a primeira condição da primeira linha for
verdadeira é executado o primeiro bloco de código. Uma instrução if pode ser
11

opcionalmente seguida por uma ou mais instruções elif, abreviatura de else
if, isto é, se a condição do if inicial não for verdadeira então executar o bloco
seguinte se esta nova condição se vericar. No nal, pode existir opcionalmente
uma clausula else, cujo bloco é executado se nenhuma das outras condições
tiver sido vericada.
Listagem 3.4:
i f x=10:
print x é maior ou i g u a l a 10
else :
print x é menor que 10
3.4 Executar um bloco de código um dado número de
vezes: for
Quando queremos que um dado bloco de código seja executado um número xo
de vezes (podendo esse número de vezes ser dado por uma variável) utilizamos
a instrução for.
Listagem 3.5:
print A tabuada do 9 é :
for i in r a n g e ( 1 , 1 1 ) :
print 9* , i , = , 9 * i
A sintaxe é for variável in expressão:, em que expressão deve ser iterável.
3.4.1 A função range
A função range devolve uma lista com uma sequência de inteiros. O valor
inicial é por defeito zero, o valor de paragem tem sempre de ser especicado, e
por defeito o valor do incremento é 1.
Listagem 3.6:
r a n g e ( 5 ) #Devolve [0 ,1 ,2 ,3 ,4]. O valor i n i c i a l é
#zero , o incremento 1.
r a n g e ( 2 , 4 ) #Devolve [ 2 , 3 ] .
r a n g e ( 2 , 1 5 , 3 ) #Devolve [2 , 5 , 8 , 11 , 1 4 ].
#O valor do incremento é 3.
r a n g e (5 ,0 , −1) #Devolve [5 , 4 , 3 , 2 , 1 ] . O valor do
#incremento pode ser negativo .
r a n g e (0 ,5 , −1) #Devolve [ ] (uma l i s t a vazia ) .
12

3.5 Executar um bloco de código enquanto uma
condição for verdadeira: while
A instrução while permite-nos repetir um bloco de código enquanto uma con-
dição for verdadeira. Pode opcionalmente ser seguida de uma clausula else
que é executada se o bloco dentro da instrução while não tiver saído devido à
instrução break.
Listagem 3.7:
x = 10
while x 0:
i f x % 2 != 0 : #Se x é impar
print x ,
x −= 1 #Equivalente a x = x − 1
O programa anterior imprime 9 7 5 3 1.
3.6 As instruções break e continue
As instruções break e continue podem ser usadas dentro de ciclos for e while.
A instrução break causa uma saída imediata do ciclo, o continue interrompe
o processamento do resto do bloco de código do ciclo, passando de imediato à
próxima iteração.
13

Cap´ıtulo 4
Estruturação e organização do código
Neste momento já vimos as instruções principais que constituem um programa,
mas se quisesse-mos aplicar as mesmas operações em várias partes do programa
teríamos de as escrever de novo. Ora, não é de todo isso que se deve fazer.
Vamos primeiro ver a estrutura mais simples, as funções.
4.1 Funções
Uma função é um bloco de código ao qual são opcionalmente passados parâ-
metros e pode retornar um único valor. Por exemplo podemos re-escrever o
exemplo anterior da tabuada como sendo
Listagem 4.1:
def tabuada ( n ) :
print A tabuada do , n , é :
for i in r a n g e ( 1 , 1 1 ) :
print n , * , i , = , n* i
tabuada ( 9 ) #Chama a função tabuada que
#acabamos de d e f i n i r para n=9
Uma função é denida pela instrução def, que é seguida pelo nome da função
e por parêntesis, que contêm a lista de parâmetros. Opcionalmente uma função
pode usar a instrução return, que termina a função e retorna ao chamador. A
instrução return pode ser seguida de um valor, sendo esse o valor da chamada
da função.
Listagem 4.2:
def soma ( a , b ) :
return a+b
c = soma ( 2 , 3 )
print soma ( abc , d e f ) # Imprime abcdef
14

4 Estruturação e organização do código
Neste exemplo denimos uma função que retorna a soma de dois números,
sendo o resultado atribuído à variável c. Mesmo que uma função retorne um
valor, não é obrigatório atribuir esse valor a uma variável, podendo este ser
ignorado se assim o desejarmos. A função soma não tem de ser usada apenas
com números, mas pode receber qualquer tipo de dados que possam ser somados
com o operador + , como cadeias de caracteres.
À primeira linha de denição de uma função pode opcionalmente seguir-se
uma cadeia de caracteres. Nesse caso essa cadeia de caracteres é a cadeia de do-
cumentação da função (docstring). Essa cadeia de caracteres é então associada
à própria função, e pode ser consultada usando os mecanismos de introspecção
do Python ou por programas (como IDEs) que as reconheçam.
Listagem 4.3:
def soma ( a , b ) :
A f u n ç ã o soma d e v o l v e a soma dos s e u s p â r a me t r o s
return a+b
4.1.1 Funções base do Python
O Python têm algumas funções pré-denidas, que fazem parte da linguagem.
Estas incluem:
ˆ abs(x) - Retorna o valor absoluto de x
ˆ all(iteravel) - Retorna verdade se todos os elementos da expressão iterável
são verdadeiros.
ˆ any(iteravel) - Retorna verdade se algum dos elementos da expressão ite-
rável for verdadeiro.
ˆ bool(x) - Converte x para booleano, isto é, retorna True ou False de
acordo com as regras expostas na Sec. 3.1.
ˆ chr(x) - Retorna o caracter com código ASCII x.
ˆ cmp(x,y) - Retorna um valor inteiro que é negativo se xy, zero se x=y e
positivo se xy.
ˆ complex(s) - Converte a cadeia de caracteres s para um número complexo.
ˆ complex(re,im) - Retorna o número complexo re + 1j*im onde re e im são
números reais.
ˆ dir(objecto) - O parâmetro objecto é opcional. Se for passado retorna
uma lista dos atributos válidos do objecto (como funções e variáveis), caso
contrário retorna o conteúdo da tabela de símbolos local.
ˆ divmod(a,b) - Sendo a e b números retorna um par de números que são o
resultado da divisão inteira e o resto da divisão inteira de a por b.
15

ˆ enumerate(iteravel) - Retorna um objecto iterável que vai devolver tuplos
com dois elementos, sendo o primeiro um valor que começa em zero e vai
sendo incrementado, o segundo é o valor do iteravel que lhe foi passado
como argumento.
ˆ eval(expressao) - Avalia a expressão contida na cadeira de caracteres ex-
pressao. Por exemplo eval(2+3) retorna 5.
ˆ lter(f,iteravel) - Retorna uma lista constituída por todos os elementos de
iteravel para os quais a função f retornou True.
ˆ oat(x) - Converte para número real o número ou cadeia de caracteres x.
ˆ globals() - Retorna um dicionário contendo a tabela de símbolos global.
ˆ help() - Activa o sistema interactivo de ajuda. Se for passado um parâ-
metro, mostra ajuda acerca desse objecto.
ˆ hex(n) - Retorna uma cadeia de caracteres com a representação hexadeci-
mal do número inteiro n.
ˆ int(x) - Converte para inteiro o número ou cadeia de caracteres x.
ˆ len(s) - Retorna o tamanho da cadeia de caracteres, tuplo, lista ou dicio-
nário s.
ˆ list(iteravel) - Retorna uma lista com todos os elementos de iteravel.
ˆ locals() - Retorna um dicionário contendo a tabela de símbolos local.
ˆ map(f,iteravel1,...) - Recebe uma função f e um ou mais iteráveis. A fun-
ção f tem de receber tantos parâmetros quantos iteráveis forem passados.
Retorna uma lista constituída pelo resultado de f aplicada aos elementos
dos iteráveis.
ˆ max(iteravel) - Retorna o valor máximo de entre os elementos de iteravel.
ˆ max(valor1,valor2,...) - Quando a função max() é chamada com mais do
que um parâmetro, devolve o máximo desses parâmetros.
ˆ min() - Semelhante à função max(), mas retorna o valor mínimo.
ˆ open(cheiro,[modo]) - Abre um cheiro. Para mais detalhes ver o Cap.
5.
ˆ ord(c) - Retorna o código ASCII ou código Unicode do caracter c.
ˆ pow(x,y) - Retorna x elevado a y. Equivalente a x**y.
ˆ range() - Cria uma lista contendo uma sequência. Para mais detalhes ver
a Sec. 3.4.1.
16

ˆ raw_input(prompt) - Imprime prompt e devolve uma cadeia de caracteres
que leu da entrada padrão, que é normalmente o teclado. Esta função é
útil para pedir valores ao utilizador.
ˆ reduce(f,iteravel) - Aplica a função de dois parâmetros f cumulativamente
aos valores de iterável, de forma a reduzir iteravel a um único valor. Por
exemplo, usando a função soma da Listagem 4.3, reduce(soma,[1,2,3,4])
retorna 10, pois primeiro chama a função soma com 1 e 2, depois com 3 e
3, e nalmente com 6 e 4.
ˆ reload(modulo) - Volta a carregar o módulo especicado. Ver a Sec. 4.2
para mais detalhes.
ˆ repr(x) - Retorna uma cadeia de caracteres com uma representação do
objecto x, que é o mesmo que seria impresso com print x.
ˆ reversed(seq) - Retorna um iterável constituído pelos elementos de seq
pela ordem inversa.
ˆ round(x) - Arrendonda o valor real x. Opcionalmente pode receber um
segundo parâmetro inteiro que indica o número de casas decimais a manter.
ˆ sorted(iteravel) - Retorna uma lista ordenada constituída pelos valores de
iteravel.
ˆ str(x) - Converte o objecto x para cadeia de caracteres.
ˆ sum(iteravel) - Retorna a soma dos valores de iterável.
ˆ tuple(iteravel) - Retorna um tuplo constituído pelos elementos de iteravel,
mantendo a ordem destes.
ˆ unichr(n) - Retorna o caracter Unicode correspondente ao código n.
ˆ xrange() - Semelhante a range, mas retorna um iterável e não uma lista,
e está optimizado para a velocidade e menor consumo de memória do que
o range(). A diferença entre o xrange() e o range() só é importante para
sequências com muitos elementos.
ˆ zip(iteravel1, iteravel2, ...) - Retorna uma lista de tuplos, em que o n-ésimo
elemento da lista consiste num tuplo dos n-ésimos valores dos iteráveis.
4.2 Módulos
Um módulo é simplesmente um cheiro com extensão .py que contem código
Python. É importante manter conjuntos lógicos de funções em módulos dife-
rentes, não só por uma questão de organização, mas por carem em espaços
de nomes (namespaces) diferentes. Isto é, uma variável global pertence ao
módulo de onde foi denida, não interferindo com outros módulos diferentes.
Em programas extensos é essencial compartimentar as várias partes, de forma
a limitar a sua complexidade.
17

Podemos num dado módulo aceder à funcionalidade de outro com a instrução
import:
Listagem 4.4:
import s y s #Importa o módulo da b i b l i o t e c a padrão sys
from math import s i n , s q r t #Importa as funções sin e
#s q r t do módulo math
import numpy a s np #Importa o módulo numpy , mas
#passamos a r e fe r i −lo como np
print s y s . p l a t f o r m
print s q r t ( 2 5 . 0 )
x = np . a r a n g e ( 0 . 0 , 1 0 . 0 , 0 . 1 ) #Função arange do módulo numpy
Ao usar a forma import modulo1, para usar as variáveis e métodos de-
nidos no módulo escrevemos modulo1.metodo ou modulo1.variavel. Na forma
from modulo1 import func1,func2 ou from modulo1 import * os métodos
e variáveis do modulo1 cam disponíveis no mesmo espaço de nomes que já esta-
mos. Se importar-mos desta forma uma função ou variável com o mesmo nome
de uma outra já existente só podemos aceder à última que foi importada, per-
dendo o acesso à que já existia. A instrução import tem várias características
importantes:
ˆ Primeiro o módulo tem de ser encontrado. Este é procurado primeiro na
directoria actual do programa. Se não for encontrado é de seguida procu-
rado nas directorias especicadas na variável de sistema PYTHONPATH,
e não tendo sido encontrado é procurado nas directorias que contêm a
biblioteca padrão do Python.
ˆ Se o módulo for encontrado, é vericado se existe uma versão compilada
(bytecode) do código actual (cheiros .pyc). Se tal não se vericar, o
módulo é então compilado, e o bytecode gerado é guardado num cheiro
com extensão .pyc.
ˆ O módulo é então executado, do início até ao m, o que dene as funções
e variáveis desse módulo. Se houver o módulo possuir instruções fora de
funções ou classes essas são também executadas.
ˆ Esta sequência só ocorre na primeira que importarmos um módulo num
programa. Se o mesmo módulo for importado outra vez apenas é utilizada
a cópia que já está em memória. Para forçar a execução de todos estes
passos podemos usar a função reload(), que volta a carregar o módulo
especicado.
4.3 Classes
A programação orientada a objectos (OOP) é suportada em Python, sendo uma
classe criada com a instrução class. Apesar de a OOP ser opcional em Python,
é importante estar familiarizado com este tipo de abordagem.
18

Na sua forma mais simples uma classe é apenas uma forma diferente de agru-
par dados com o código que manipula esses dados:
Listagem 4.5:
# −*− coding : l a t i n 1 −*−
class Temperatura :
C o n v e r s õ e s de t e m p e r a t u r a
def __init__ ( s e l f , temp_Celsius = 0 . 0 ) :
s e l f . g r a u s _ C e l s i u s = temp_Celsius
def C2F( s e l f , c ) :
Converte de g r a u s C e l s i u s para F a h r e n h e i t
return c * ( 9 . 0 / 5 . 0 ) + 3 2 . 0
def F2C( s e l f , f ) :
Converte de g r a u s F a h r e n h e i t para C e l s i u s
return ( f −3 2 ) *( 5 . 0 / 9 . 0 )
def F a h r e n h e i t ( s e l f ) :
return s e l f . C2F( s e l f . g r a u s _ C e l s i u s )
def C e l s i u s ( s e l f ) :
return s e l f . g r a u s _ C e l s i u s
def K e l v i n ( s e l f ) :
return s e l f . g r a u s _ C e l s i u s + 2 7 3 . 1 5
#Cria uma instância da c l a s s e Temperatura
temp1 = Temperatura ( 2 0 . 0 ) # 20º C
print temp1 . C e l s i u s ( ) , ºC correspondem a ,
temp1 . F a h r e n h e i t ( ) , ºF e a , temp1 . K e l v i n ( ) , K
Neste exemplo a classe Temperatura contem várias funções, que na OOP são
chamadas de métodos. Os métodos de uma classe em Python têm obrigato-
riamente pelo menos um parâmetro, a que por convenção se chama self que
recebe a instância da classe que o chamou. Isto é necessário pois uma mesma
classe pode ter muitas instâncias, cada uma com os seus valores, não existindo
assim ambiguidade entre as variáveis da classe ou de uma instância particular.
Uma classe pode ter um método __init__ que é chamado automaticamente a
quando da instanciação da classe. Se este método tiver mais parâmetros para
além do self estes são recebidos dos argumentos que foram passados na criação
da instância, neste exemplo 20.0.
Uma descrição pormenorizada de classes e OOP está fora do âmbito deste
texto. Para mais detalhes consulte a documentação indicada no Cap. 9.
19

Cap´ıtulo 5
Operações de entrada / saída
Para abrir um cheiro, seja para leitura ou escrita usa-se a função open(nome_cheiro,modo)
onde o primeiro parâmetro é o nome do cheiro, e o segundo o modo, r para
leitura, w para escrita (se o cheiro já existir é apagado), a para acrescentar
informação a um cheiro existente.
Listagem 5.1:
f = open ( t e s t e . dat , w ) #Abre o f i c h e i r o t e s t e . dat
#para e s c r i t a
f . w r i t e ( t e s t e n )
f . c l o s e ( ) #Fecha o f i c h e i r o
Um cheiro é um objecto iterável, e podemos ler todas a linhas com um ciclo
for. O próximo exemplo escreve para o ecrã o conteúdo do cheiro t.dat:
Listagem 5.2:
f = open ( t . dat , r )
for l i n h a in f :
print l i n h a ,
f . c l o s e ( )
O exemplo seguinte tabela a função seno, escrevendo os resultados no cheiro
seno.dat, em duas colunas separadas por um tab:
Listagem 5.3:
import numpy a s np
x = np . a r a n g e ( 0 . 0 , 1 0 . 0 , 0 . 0 5 )
y = np . s i n ( x )
f = open ( s e n o . dat , w )
n = l e n ( x )
for i in r a n g e ( n ) :
20

5 Operações de entrada / saída
f . w r i t e ( %g t%gn % ( x [ i ] , y [ i ] ) )
f . c l o s e ( )
A sintaxe formato % tuplo tem a mesma funcionalidade do printf da lin-
guagem C. O código t é o tab e %g é um formato para imprimir um número
real.
21

Cap´ıtulo 6
Controlo de erros
Durante a execução de um programa podem surgir erros, como por exemplo uma
divisão por zero. Estes erros são chamados de excepções. Se estas excepções
não forem interceptadas são reportados pelo Python e terminam a execução do
nosso programa:
Listagem 6.1:
print 1/0
$ python erro.py
File erro1.py, line 1, in module
print 1/0
ZeroDivisionError: integer division or modulo by zero
Neste caso é despoletada a excepção ZeroDivisionError.
Listagem 6.2:
def d i v i d i r ( a , b ) :
try :
return a/b
except Z e r o D i v i s i o n E r r o r :
return D i v i s ã o por z e r o !
print d i v i d i r ( 1 , 0 )
Neste exemplo uma instrução que pode falhar está dentro uma instrução try
/ except, e ao vericar-se a excepção ZeroDivisionError em vez de o programa
falhar, a função dividir retorna uma mensagem.
22

Cap´ıtulo 7
A biblioteca padrão
O Python é uma linguagem com as pilhas incluídas no sentido em que inclui
uma extensa lista de módulos. Vamos apenas apresentar aqui uma pequena
parte dos módulos disponíveis, para ver a lista completa consultar a Python
Library Reference em http://docs.python.org/lib/lib.html.
7.1 Os módulos math e cmath
O módulo math disponibiliza as operações matemáticas base, como as funções
trigonométricas usuais (sin, cos, tan, asin, acos, atan, atan2), funções trigono-
métricas hiperbólicas (sinh, cosh, tanh), raiz quadrada (sqrt), exponenciação
(exp, pow), logaritmos (log, log10), bem como as constantes e e pi.
O módulo cmath é semelhante ao math, mas enquanto que o math apenas
suporta números reais, o cmath suporta números imaginários, pelo que
Listagem 7.1:
import math
import cmath
print math . s q r t ( −1.0) #Erro ValueError , pois não e x i s t e
#a raiz quadrada real de −1
print cmath . s q r t ( −1.0) #Imprime 1 j
7.2 O módulo sys
A variável sys.argv contem uma lista com os parâmetros passados ao programa
Python, sendo o primeiro parâmetro o nome do próprio script. As variáveis
sys.stdin, sys.stdout e sys.stderr são objectos Python de tipo cheiro que
estão ligados à entrada padrão, saída padrão e saída de erros padrão respecti-
vamente. A função sys.exit() permite a saída imediata do programa.
23

7 A biblioteca padrão
7.3 O módulo os
O módulo os fornece acesso a funções subjacentes do sistema operativo de uma
forma portável.
7.4 O módulo csv
Este módulo assiste na leitura de cheiro de dados delimitados por um separa-
dor. O exemplo seguinte mostra como ler o cheiro le.dat que consiste em
duas colunas de valores reais separados por uma tabulação, armazenando cada
coluna numa lista.
Listagem 7.2:
import c s v
f = open ( f i l e . dat , r )
x = [ ]
y = [ ]
r e a d e r = c s v . r e a d e r ( f , d e l i m i t e r= t )
for r in r e a d e r :
x . append ( f l o a t ( r [ 0 ] ) )
y . append ( f l o a t ( r [ 1 ] ) )
f . c l o s e ( )
24

Cap´ıtulo 8
Python e cálculo numérico
Os tipos de dados incluídos na linguagem Python são muito exíveis, mas po-
dem tornam-se lentos e inecientes para manipular grandes quantidades de in-
formação. Por exemplo, um vector de números reais é sempre constituído por
elementos do mesmo tipo mas se os armazenássemos numa lista essa lista teria
também de suportar todas as operações de qualquer outra lista potencialmente
heterógenea. Para responder a estas diculdades existem módulos especializa-
dos para cálculo numérico como o numpy e scipy. Estes módulos não fazem
parte da distribuição ocial do Python, embora estejam normalmente disponí-
veis nas distribuições de Linux, e na distribuição de Python para Windows da
Enthought, podendo também ser obtidos a partir de http://www.scipy.org/.
8.1 Numpy
O numpy é uma extensão do Python que adiciona suporte para vectores e ma-
trizes multi-dimensionais, bem como uma série de funções que operam nesses
objectos. O numpy está documentado exaustivamente num livro gratuito, dis-
ponível em http://www.tramy.us/guidetoscipy.html.
O objecto base do numpy é o array. Um array é um conjunto de elementos,
todos do mesmo tipo, com um dado número de dimensões.
Listagem 8.1:
import numpy a s np
a = np . a r r a y ( [ 1 , 2 , 3 ] ) #Converte uma l i s t a para array
#Array 1D com os valores de 0 a 10 , passo 0.1
#armazenados como reais de precisão dupla
b = np . a r a n g e ( 0 . 0 , 1 0 . 0 , 0 . 1 , dtype=np . f l o a t 6 4 )
Um array tem vários atributos básicos. Por exemplo para um array a:
ˆ a.ndim: Número de dimensões
ˆ a.shape: Tuplo com o número de elementos de cada dimensão
25

8 Python e cálculo numérico
Tipo de dados Descrição
bool Booleano (Verdadeiro / Falso)
uint8 Inteiro sem sinal, 8 bits (1 byte).
int32 Inteiro 32 bits
int64 Inteiro 64 bits
oat32 Real de precisão simples
oat64 Real de precisão dupla
complex64 Complexo de precisão simples
complex128 Complexo de precisão dupla
Tabela 8.1: Tipos de dados mais comuns do numpy
ˆ a.size: Número total de elementos do array
ˆ a.dtype: Tipo de dados. Ver a tabela 8.1 para uma lista de tipos de dados.
Podemos criar um array inicializado a zero com a função zeros:
Listagem 8.2:
import numpy a s np
#Array de reais de precisão dupla
#com 3 linhas e 4 colunas , i n i c i a l i z a d o a zero
x = np . z e r o s ( ( 3 , 4 ) , dtype=np . f l o a t 6 4 )
#Podemos mudar a forma do array ,
#neste caso para 6 linhas e 2 colunas .
x . r e s h a p e ( ( 6 , 2 ) )
O numpy suporta um grande número de operações sobre os arrays, que são
aplicadas elemento a elemento. Podemos utilizar as operações aritméticas usuais
(+, - , *, /, **), funções trignométricas (sin, cos, tan, sinh, cosh, tanh, etc.).,
entre outras (abs, conj, power, etc.) (ver tabela 8.2).
Para além destas funções o numpy suporta funções lógicas, que retornam um
array de valores booleanos com o resultado da respectiva operação. Estas fun-
ções são greater, greater_equal, less, less_equal, not_equal, equal, logical_and,
logical_or, logical_xor e logical_not.
Listagem 8.3:
import numpy a s np
x = np . a r r a y ( [ 1 0 , 2 , 3 , 5 ] )
y = np . a r r a y ( [ 2 , 4 , 1 5 , 2 ] )
print np . g r e a t e r ( x , y ) #Imprime [ True False False True ]
Pode encontrar uma lista de outras funções do numpy na tabela 8.3.
8.1.1 Diferenças nitas
O numpy suporta nos arrays as mesmas operações de sequências que as listas
python. Usando esta funcionalidade podemos implementar algoritmos de dife-
26

Função Descrição
abs Valor absoluto
conj Complexo conjugado
exp(x) ex
log Logaritmo natural
log10 Logaritmo base 10
sqrt Raiz quadrada
square(x) x2
reciprocal(x) 1/x
sin, cos, tan Funções trignométricas
arcsin, arccos, arctan Funções trignométricas inversas
arctan2(x1,x2) arctan(x1/x2) considerando os sinais de x1 e x2
hypot(x1,x2) x2
1 + x2
2
sinh,cosh, tanh Funções trignométricas hiperbólicas
arcsinh, arccosh, arctanh Funções trignométricas hiperbólicas inversas
maximum(x1,x2) Elemento máximo
minimum(x1,x2) Elemento mínimo
real, imag Parte real ou imaginária
Tabela 8.2: Algumas funções do numpy
renças nitas de forma eciente. O exemplo seguinte resolve a equação do calor
1D
dU
dt
= k
d2U
dx2
usando o algoritmo de diferenças nitas FTCS (Forward Time Centered Space).
Este método não o ideal para resolver a equação do calor devido às suas limi-
tações em termos de critérios de convergência, mas é uma forma simples de
ilustrar o uso de diferenças nitas. Variando o índice j sobre a coordenada t, e
o índice i sobre a coordenada x, temos
Uj+1
i − Uj
i
∆t
= k
Uj
i−1 − 2Uj
i−1 + Uj
i+1
∆x2
,
ou seja,
Uj+1
i = Uj
i +
k∆t
∆x2
Uj
i−1 − 2Uj
i−1 + Uj
i+1 .
Listagem 8.4:
#Equação do calor , dU/ dt = k d^2U/dx^2
import numpy a s np
import pylab
dt = 0 . 0 5
dx = 0 . 5
27

Função Descrição
all(x) Retorna verdade se todos os elementos de x forem verdadeiros
angle(z) Ângulo do número complexo
any Verdade se algum elemento for verdadeiro
append Acrescenta elementos a um array
arange Semelhante ao range, mas devolve um array
array Converte uma lista para um array
array_split, hsplit, vsplit Divide um array em várias partes
astype Converte o tipo de dados de um array
average Média de um array
clip Força os valores a estarem num intervalo
concatenate Concatena arrays
copy Retorna uma cópia de um dado array
cross Produto externo (vectorial)
delete Remove elementos do array
diag Matriz diagonal
di(x) Diferenças entre os elementos de x
eye Matriz identidade
at Iterador que percorre todos os elementos do array
atten Converte para 1D, retorna um novo array
frombuer Converte uma string para array
fromle Lê um array a partir de um cheiro
inner Produto interno
insert Insere novos elementos numa dada posição
inv Matriz inversa
linspace(inicio,m,N) Array com N elementos, com os valores de inicio a m
mat, matrix Converte para matriz
max Valor máximo
min Valor mínimo
newaxis Acrescenta uma nova dimensão
nonzero Índices dos elementos diferentes de zero
ravel Versão 1D do array
reshape Altera as dimensões do array, mantendo o nº de elementos
resize Altera o tamanho do array
select Aplica operações diferentes conforme as condições indicadas
shape A forma do array
shue Mistura aleatoriamente os elementos
sort Ordena o array
sum Soma de todos os elementos
swapaxes Troca os eixos indicados
take Retorna os valores do array de índices especícado
tole Escreve um array para cheiro
tolist Converte um array para uma lista Python
unique(x) Todos os valores diferentes de x
where(condição,a,b) Valores de a ou b dependendo de condição
zeros, ones Array inicializado com o valor zero (ou um)
Tabela 8.3: Outras funções do numpy
28

k = 1 . 0
#Para k=1, este método é e s t á v e l se
#dt /dx**2 = 1/2
x = np . a r a n g e ( −1 0 . 0 , 1 0 . 0 , dx )
t = np . a r a n g e ( 0 . 0 , 1 0 . 0 , dt )
nx = l e n ( x )
nt = l e n ( t )
#Distribuição i n i c i a l
u = np . exp (−(x +2.0)**2)+ np . exp (−(x −2 . 0 ) **2 )
s o l = np . z e r o s ( ( nt , nx ) , dtype=u . dtype )
s o l [ 0 , : ] = u
for i in xrange ( 1 , nt ) :
u [ 1 : −1 ] += ( k*dt /dx **2 ) *( u [ : −2 ] −2.0*u [ 1 : −1 ] + u [ 2 : ] )
s o l [ i , : ] = u
pylab . imshow ( s o l , o r i g i n= l o w e r , a s p e c t= auto ,
e x t e n t =(x [ 0 ] , x [ −1 ] , t [ 0 ] , t [ −1 ] ) )
pylab . c o l o r b a r ( )
pylab . x l a b e l ( x )
pylab . y l a b e l ( t )
pylab . show ( )
-10 -5 0 5
x
0
2
4
6
8
t
0.00
0.15
0.30
0.45
0.60
0.75
0.90
Figura 8.1: Equação do calor
29

É importante usar operações vectoriais tais como as do exemplo acima, e não
ciclos for a percorrer cada elemento do array, pois estes últimos podem ser até
cerca de 100 vezes mais lentos.
8.2 Scipy
O scipy complementa o suporte de vectores multidimensionais do numpy com
módulos com rotinas gerais para cálculo númerico como minimização, integra-
ção, transformadas de Fourier rápidas e outras tarefas comuns.
8.2.1 optimize
Rotinas gerais de optimização e minimização.
Método Descrição
fmin Algoritmo simplex Nelder-Mead
fmin_powell Powell's (modied) level set method
fmin_cg Algoritmo de gradiente conjugado não linear
fmin_bfgs Método quasi-Newton (Broydon-Fletcher-Goldfarb-Shanno)
fmin_ncg Gradiente conjugado usando o método de Newton
leastsq Método dos mínimos quadrados
fsolve Cálculo de zeros de uma função
brentq Interpolação quadrática pelo método de Brent
bisect Método da bissecção
newton Método de Newton
Tabela 8.4: Alguns métodos de scipy.optimize
8.2.2 stats
Um conjunto de distribuições de probabilidade incluindo por exemplo as dis-
tribuições normal, Chi-quadrado, Cauchy, Gamma, Logística, T de Student, as
distribuições discretas binomial, Bernoulli, geométrica e Poisson entre outras.
Inclui também as funções estatísticas usuais como a media, mediana, moda, etc.
8.2.3 linalg
Rotinas de álgebra linear.
30

Método Descrição
inv Inverte uma matriz quadrada
solve Resolve um sistema de equações lineares
det Determinante de uma matriz quadrada
norm Norma
lstsq Mínimos quadrados lineares
eig Valores e vectores próprios de uma matriz quadrada
eigvals Valores próprios de uma matriz quadrada
lu Decomposição LU de uma matriz
cholesky Decomposição Cholesky de uma matriz
qr Decomposição QR de uma matriz
Tabela 8.5: Alguns métodos de scipy.linalg
8.2.4 signal
Rotinas de processamento de sinal
Método Descrição
convolve Convolução
correlate Correlação
tconvolve Convolução usando transformadas de Fourier rápidas
bspline B-splines
medlt Filtro median
sawtooth Onda dentes de serra
square Onda quadrada
boxcar Janela boxcar
triang Janela triangular
gaussian Janela gaussiana
hann Janela de Hann
hamming Janela de Hamming
Tabela 8.6: Alguns métodos de scipy.signal
8.2.5 tpack
Transformadas de Fourier rápidas
Método Descrição
t / it Transformada de Fourier 1D
tn / itn Transformada de Fourier multidimensional
tshift Muda a frequência zero para o centro do espectro
hilbert / ihilbert Transformada de Hilbert
di Derivação de sequências periódicas
Tabela 8.7: Alguns métodos de scipy.tpack
31

8.2.6 integrate
Integração e resolução de equações diferenciais ordinárias
Método Descrição
quad Rotina geral de integração
dblquad Rotina geral para cálculo de integrais duplos
tplquad Rotina geral para cálculo de integrais triplos
xed_quad Quadratura Gaussiana
quadrature Quadratura Gaussiana com tolerância xa
romberg Quadratura de uma função pelo método de Romberg
trapz / simps / romb Quadratura de valores igualmente espaçados
odeint / ode Resolução de um sistema de equações diferencias ordinárias
Tabela 8.8: Alguns métodos de scipy.integrate
8.2.7 outras
Para além dos componentes do scipy apresentados acima, destacam-se:
ˆ interpolate - Interpolação usando splines
ˆ linsolve - Resolução de sistemas de equações lineares
ˆ sparse - Matrizes esparsas
ˆ special - Funções especiais (Airy, elípticas, erf, Bessel, gamma, Hankel,
Legendre, etc.)
Este resumo não é uma descrição exaustiva das funcionalidades do scipy. Para
uma descrição completa consulte a documentação desta biblioteca.
8.3 VPython
O VPython, ou Visual Python (http://vpython.org/), é uma biblioteca
Python que permite criar grácos 3D interactivos particularmente apropriados
para demonstrações de princípios físicos.
Listagem 8.5:
from v i s u a l import *
redbox=box ( pos=v e c t o r ( 4 , 2 , 3 ) , s i z e = ( 8 . , 4 . , 6 . ) ,
c o l o r=c o l o r . r e d )
g r e e n b a l l=s p h e r e ( pos=v e c t o r ( 4 , 7 , 3 ) , r a d i u s =2,
c o l o r=c o l o r . g r e e n )
É possível rodar a gura mantendo o botão direito do rato premido sobre
a janela e movendo-o. Procedendo da mesma maneira com o botão do meio
permite-nos ampliar ou reduzir. As chamadas box e sphere criam os respec-
tivos objectos. Se for necessário referir-nos a esses objectos posteriormente é
necessário atribuir essas chamadas a uma variável como no exemplo.
32

Figura 8.2: Exemplo de VPython
33

Comando Descrição
cylinder(pos=ponto, axis=vec, radius=n) Cilindro
arrow(pos=ponto, axis=vec) Seta
cone(pos=ponto, axis=vec, radius=n) Cone
pyramid(pos=ponto, size=vec) Pirâmide
sphere(pos=ponto, radius=n) Esfera
box(pos=ponto, length=n, height=n, width=n) Caixa
ellipsoid(pos=ponto, length=n, height=n, width=n) Elipsóide
curve([ponto1,ponto2,...],radius=n) Curva
ring(pos=ponto, axis=vec, radius=n, thickness=n) Anel
helix(pos=ponto, axis=vec, radius=n) Hélice
label(pos=ponto, text=Texto) Texto
Tabela 8.9: Objectos VPython
8.3.1 Vectores
O VPython suporta o tipo vector.
Listagem 8.6:
from v i s u a l import *
a = v e c t o r ( 1 . , 2 . , 3 . )
b = v e c t o r ( 4 . , 5 . , 6 . )
c=a+b
d = mag( c ) # d é um escalar
f = c r o s s ( a , b ) # produto v e c t o r i a l
g = dot ( a , b ) # produto escalar
h = norm ( a ) # Versor segundo a direcção a
8.3.2 Objectos
Na tabela 8.9, ponto deve ser substituído por um dado ponto no espaço 3D
como por exemplo (1,2,3) e vec por um vector, como por exemplo (1,0,0), e
sendo n um número real.
8.4 matplotlib
O matplotlib é uma biblioteca que produz grácos 2D de elevada qualidade,
disponível em http://matplotlib.sourceforge.net/, onde também pode en-
contrar exemplos e um manual de utilizador. Seguem-se alguns exemplos de
utilização desta biblioteca.
8.4.1 plot
import pylab
import numpy a s np
34

-30 -20 -10 0 10 20 30
x
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
y
sinc(x)
Figura 8.3: plot
x = np . a r a n g e ( −3 0 . 0 , 3 0 . 0 , 0 . 0 1 )
y = np . s i n ( x ) / x
pylab . p l o t ( x , y , l a b e l= s i n c ( x ) )
pylab . x l a b e l ( x )
pylab . y l a b e l ( y )
pylab . l e g e n d ( )
pylab . g r i d ( )
pylab . show ( )
8.4.2 subplot
import pylab
import numpy a s np
def g r a f i c o (m) :
x = np . a r a n g e ( −1 0 . 0 , 1 0 . 0 , 0 . 0 1 )
y = np . s i n (m*x )
pylab . p l o t ( x , y )
pylab . t i t l e ( m=+s t r (m) )
35

-10 -5 0 5 10
-1.0
-0.5
0.0
0.5
1.0
m=1
-10 -5 0 5 10
-1.0
-0.5
0.0
0.5
1.0
m=2
-10 -5 0 5 10
-1.0
-0.5
0.0
0.5
1.0
m=3
-10 -5 0 5 10
-1.0
-0.5
0.0
0.5
1.0
m=4
Figura 8.4: subplot
for i in r a n g e ( 4 ) :
pylab . s u b p l o t ( 2 , 2 , i +1)
g r a f i c o ( i +1)
pylab . show ( )
8.4.3 hist
import pylab
import numpy a s np
import numpy . random a s random
#Média 0.0 , desvio padrão 1.0 , 10000 elementos
x = random . normal ( 0 . 0 , 1 . 0 , s i z e =10000)
pylab . h i s t ( x , 5 0 )
pylab . show ( )
8.4.4 scatter
import pylab
36

-4 -3 -2 -1 0 1 2 3 4
0
100
200
300
400
500
600
700
Figura 8.5: subplot
37

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
-3
-2
-1
0
1
2
3
Figura 8.6: scatter
import numpy a s np
import numpy . random a s random
n = 100
x = random . normal ( 0 . 0 , 0 . 5 , s i z e=n )
y = random . normal ( 0 . 0 , 1 . 0 , s i z e=n )
a r e a = 1 0 0 . 0 / np . s q r t ( x**2+y **2 )
c o r = np . a r a n g e ( 0 , n , 1 )
pylab . s c a t t e r ( x , y , c=cor , s=area , a l p h a =0.75)
pylab . show ( )
8.4.5 imshow
import pylab
import numpy a s np
x = np . a r a n g e ( −5 . 0 , 5 . 0 , 0 . 0 1 )
y = x
X,Y = np . meshgrid ( x , y )
pylab . imshow ( np . s i n (X) *np . c o s (Y) ,
e x t e n t = [ −5 . 0 , 5 . 0 , −5 . 0 , 5 . 0 ] ,
38

-4 -2 0 2 4
-4
-2
0
2
4
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
Figura 8.7: imshow
o r i g i n= l o w e r , a s p e c t= auto )
pylab . c o l o r b a r ( )
pylab . show ( )
8.5 Armazenamento de dados de simulações
Ao efectuar simulações é normalmente necessário armazenar os dados obtidos.
A forma mais simples é escrever cada conjunto de dados como um cheiro de
texto. Este método não é o ideal, pois ocupa mais espaço do que o necessá-
rio, espalha a informação de uma mesma simulação por vários cheiros e não
se auto-descreve, isto é, não inclui informação acerca do que é que está arma-
zenado. Para resolver estes problemas foram desenvolvidos formatos standard
para armazenamento de dados cientícos, como o netCDF e o HDF5. Existem
bibliotecas que suportam estes formatos para todas as linguagens de programa-
ção mais comuns. No Python temos o PyTables (http://www.pytables.org/)
para o HDF5 e o ScienticPython (entre outros) para o netCDF. Assim usando
estes formatos podemos desenvolver uma simulação numa linguagem de progra-
mação, armazenar os dados resultantes, e visualizar ou processar estes dados
num outro programa escrito noutra linguagem. Podemos também partilhar es-
39

tes cheiros, uma vez que são independentes do sistema operativo que se esteja
a usar.
8.5.1 Acesso a cheiros netCDF com o ScienticPython
O ScienticPython (http://dirac.cnrs-orleans.fr/plone/software/scientificpython/)
têm uma interface simples para ler e escrever cheiros netCDF. O exemplo se-
guinte dene uma função que escreve valores y (x) para um cheiro netCDF.
Listagem 8.7:
from S c i e n t i f i c . IO . NetCDF import *
import numpy a s np
def s t o r e ( x_data , y_data , f i l e n a m e ) :
n = l e n ( x_data )
f i l e = NetCDFFile ( f i l e n a m e , w )
f i l e . c r e a t e D i m e n s i o n ( x , n )
x = f i l e . c r e a t e V a r i a b l e ( x , d , ( x , ) )
y = f i l e . c r e a t e V a r i a b l e ( y , d , ( x , ) )
x [ : ] = x_data
y [ : ] = y_data
f i l e . c l o s e ( )
x = np . a r a n g e ( 0 , 2 . 0 * np . pi , 0 . 1 )
y = np . s i n ( x )
s t o r e ( x , y , t e s t . nc )
Os métodos disponibilizados por este interface são:
ˆ NetCDFFile(cheiro,modo) - Abre um cheiro para leitura (modo r),
escrita (modo w) ou para acrescentar dados (modo a). Os cheiros
netCDF têm usualmente a extensão .nc. Para um dado cheiro aberto
com esta função, como por exemplo
le = NetCDFFile(teste.nc,w)
temos os métodos
ˆ le.createDimension(dimensao,tamanho) - O NetCDF dene todos os va-
lores em termos de dimensões, pelo que antes de se poderem criar quais-
quer variáveis é necessário criar primeiro as dimensões que elas usam.
ˆ le.dimensions - Dicionário com todas as dimensões e respectivos tama-
nhos
ˆ le.createVariable(nome,tipo,dimensoes) - Cria uma variável onde vão po-
der ser armazenados dados. Os parâmetros são o nome da variável, o tipo
(f - real precisão simples, d - real precisão dupla, i - inteiro, l -
inteiro longo, c - caracter, b - byte) e dimensoes é um tuplo com os
nomes das dimensões desta variável.
40

ˆ le.variables - Dicionário contento todas a variáveis, e respectivos valores.
Para obter um array x com os valores da variável x usariamos:
x = le.variables[x][:]
ˆ le.sync() - Guarda todas as alterações pendentes no disco.
ˆ le.close() - Fecha o cheiro
Podemos aceder e criar atributos globais do cheiro netCDF acedendo à propri-
edade respectiva de le. Por exemplo, para criar o atributo nome com o valor
teste:
le.nome = teste
Podemos ler os cheiros resultantes com qualquer programa que suporte o for-
mato netCDF, como o ncview (http://meteora.ucsd.edu/~pierce/ncview_
home_page.html). O conjunto de programas NCO (netCDF Operators), dis-
ponível em http://nco.sourceforge.net/, é útil para manipular estes chei-
ros.
41

Cap´ıtulo 9
Conclusão
A linguagem Python torna a programação mais fácil, não limitando o utilizador.
Para aprender mais acerca do Python pode consultar:
ˆ A documentação ocial (http://python.org/doc/) é muito completa e
legível, incluindo um tutorial de introdução à linguagem, bem como refe-
rências exaustivas da linguagem e biblioteca padrão.
ˆ How to think like a computer scientist, disponível em http://openbookproject.
net/thinkCSpy/ proporciona uma introdução simples à linguagem.
ˆ Dive into Python, disponível em http://diveintopython.org/ expõe
a linguagem Python de uma introdução simples até algumas aplicações
mais avançadas.
ˆ O livro Learning Python de Mark Lutz da editora O'Reilly, actualmente
na 3ª edição, é um livro introdutório muito completo e repleto de exemplos.
Em relação às outras bibliotecas utilizadas, todas elas estão documentadas nos
próprios módulos (docstrings) e nos respectivos sítios web:
ˆ O numpy possuí um livro gratuito, disponível em http://www.tramy.us/
guidetoscipy.html.
ˆ O matplotlib (http://matplotlib.sourceforge.net/) tem um manual
de utilizador extenso, um guia de referência de todas as funcionalidades
disponibilizadas e exemplos de utilização.
ˆ A documentação do scipy é mais limitada, estando em curso esforços para
a melhorar. Entretando, a melhor documentação deste módulo é a das
docstrings.
42

Curso python

Mais conteúdo relacionado

Mais procurados (6)

Semelhante a Curso python (20)

Mais de Tiago (20)

Último (20)

Curso python