Tipos e estruturas de dados em Python

Introdução

Em Python, compreender os tipos e estruturas de dados é essencial para escrever código eficaz e eficiente. Os tipos de dados determinam o tipo de dados que uma variável pode conter, enquanto as estruturas de dados permitem organizar e gerenciar esses dados com eficiência. Neste tutorial, exploraremos os tipos de dados básicos, como números e strings, e as estruturas de dados fundamentais, incluindo listas, dicionários, conjuntos e tuplas. Exemplos de código claros são fornecidos para ajudá-lo a compreender esses conceitos e aplicá-los em seus programas.

Tipos de dados em Python

Python suporta vários tipos de dados integrados. Os mais comuns incluem:

• Números: Representam valores numéricos e podem ser inteiros ou números de ponto flutuante.
• Strings: Representam sequências de caracteres, usadas para texto.
• Booleanos: Representam valores verdadeiros, True ou False.

Estruturas de dados em Python

As estruturas de dados permitem agrupar dados relacionados. As principais estruturas de dados em Python incluem:

• Listas: Coleções ordenadas e mutáveis que podem conter itens de diferentes tipos.
• Tuplas: Coleções ordenadas e imutáveis.
• Dicionários: Coleções não ordenadas e mutáveis de pares chave-valor.
• Conjuntos: Coleções não ordenadas de elementos únicos.

Exemplos práticos

Abaixo, você pode ver exemplos de código Python que demonstram esses tipos e estruturas de dados, juntamente com exemplos equivalentes em R para comparação.

Exemplo Python

# Números e strings
integer_num = 42
float_num = 3.14159
greeting = "Hello, World!"

# Lista: coleção mutável e ordenada
fruits = ["apple", "banana", "cherry"]

# Tupla: coleção imutável e ordenada
dimensions = (1920, 1080)

# Dicionário: coleção não ordenada de pares chave-valor
person = {"name": "Alice", "age": 30, "city": "New York"}

# Conjunto: coleção não ordenada de itens únicos
unique_numbers = {1, 2, 3, 2, 1}

print("Integer:", integer_num)
print("Float:", float_num)
print("Greeting:", greeting)
print("Fruits:", fruits)
print("Dimensions:", dimensions)
print("Person:", person)
print("Unique Numbers:", unique_numbers)

Exemplo R

# Números e strings
integer_num <- 42
float_num <- 3.14159
greeting <- "Hello, World!"

# Lista: em R, as listas são ordenadas e podem conter elementos de diferentes tipos (semelhante às listas Python)
fruits <- list("apple", "banana", "cherry")

# Tupla: R não tem um equivalente direto para tuplas, mas vetores podem ser usados quando a imutabilidade é desejada.
dimensions <- c(1920, 1080)

# Dicionário: no R, uma lista nomeada ou ambiente pode servir como um dicionário
person <- list(name = "Alice", age = 30, city = "New York")

# Conjunto: O R não possui um tipo de conjunto nativo, mas unique() pode ser usado em vetores
numbers <- c(1, 2, 3, 2, 1)
unique_numbers <- unique(numbers)

print(paste("Integer:", integer_num))
print(paste("Float:", float_num))
print(paste("Greeting:", greeting))
print("Fruits:")
print(fruits)
print("Dimensions:")
print(dimensions)
print("Person:")
print(person)
print("Unique Numbers:")
print(unique_numbers)

Conclusão

Compreender os tipos e estruturas de dados é uma etapa crítica no aprendizado de Python. Ao dominar esses conceitos, você ganha a capacidade de armazenar, manipular e organizar dados de maneira eficaz — uma habilidade essencial para qualquer programador. Pratique estes exemplos e experimente suas próprias variações para construir uma base sólida em programação Python.

Leitura adicional

• Python para iniciantes: seu primeiro script
• Sintaxe e variáveis em Python
• Fluxo de controle e loops em Python

Boa programação e aproveite sua jornada na programação Python!

Artigos relacionados

Nota

• Versão R: Tipos de dados e estruturas em R

Explore mais artigos

Nota

Aqui estão mais artigos da mesma categoria para ajudá-lo a se aprofundar no tópico.