Pular para o conteúdo principal

Curso

Praticando questões de entrevista de código em Python

AvançadoNível de habilidade

Atualizado 02/2025

Prepare-se para suas próximas entrevistas de programação em Python.

Iniciar curso gratuitamente

PythonProgramming

4 h

16 vídeos

61 Exercícios

5,050 XP

28,698

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Entrevistas de código podem ser desafiadoras. Você pode receber perguntas para testar seu conhecimento de uma linguagem de programação. Em outros casos, pode receber uma tarefa para resolver e avaliar como você pensa. E, ao ser entrevistado para uma vaga de cientista de dados, é provável que perguntem sobre as ferramentas correspondentes disponíveis na linguagem. Em qualquer um dos cenários, para conquistar uma ótima vaga como cientista de dados, você precisa se preparar para ter o melhor desempenho. Por isso é tão importante praticar para comprovar sua expertise! Este curso é um guia para quem está começando sua trajetória para se tornar um cientista de dados profissional e um reforço para quem busca outras oportunidades. Vamos passar por tópicos fundamentais e avançados que vão preparar você para uma entrevista de código em Python. Como não é um curso passo a passo tradicional, alguns exercícios podem ser bem complexos. Mas quem disse que entrevistas são fáceis, não é?

Pré-requisitos

Python Toolbox Regular Expressions in Python Data Manipulation with pandas

1

Estruturas de dados em Python e manipulação de strings

Neste capítulo, vamos relembrar as principais estruturas de dados usadas em Python. Vamos ver como trabalhar com listas, tuplas, conjuntos e dicionários. Também vamos abordar strings e como escrever expressões regulares para extrair sequências específicas de caracteres de um texto.

Quais são as principais estruturas de dados em Python?

Métodos de lista

Operações com conjuntos

Armazenando dados em um dicionário

Quais são as formas mais comuns de manipular strings?

Indexação e concatenação de strings

Operações com strings

Corrigindo erros de strings em um DataFrame

Como escrever expressões regulares em Python?

Escreva uma expressão regular

Encontre o padrão correto

Dividindo por um padrão

Iniciar capítulo

2

Objetos iteráveis e seus representantes

Este capítulo foca em objetos iteráveis. Vamos relembrar a definição de objetos iteráveis e explicar como identificar um. Em seguida, veremos list comprehensions, um recurso especial da linguagem Python para definir listas. Depois, vamos recordar como combinar vários objetos iteráveis em um só. Por fim, vamos ver como criar objetos iteráveis personalizados usando geradores.

O que são objetos iteráveis?

enumerate()

Percorrendo um DataFrame

O que é uma list comprehension?

Compreensões de lista básicas

Sequência de números primos

Sequência de números coprimos

O que é um objeto zip?

Combinando objetos iteráveis

Extraindo tuplas

Criando um DataFrame

O que é um gerador e como criar um?

Desloque uma string

Jogue um dado

Compreensões de geradores

Iniciar capítulo

3

Funções e expressões lambda

Este capítulo foca nos aspectos funcionais de Python. Vamos começar definindo funções com uma quantidade variável de argumentos posicionais e nomeados. Em seguida, veremos funções lambda e em quais casos elas ajudam. Especialmente, vamos usá-las com as funções map(), filter() e reduce(). Por fim, vamos relembrar o que é recursão e como implementá-la corretamente.

Como passar um número variável de argumentos para uma função?

Argumentos posicionais de tamanho variável

Argumentos nomeados de tamanho variável

Combinando tipos de argumentos

O que é uma expressão lambda?

Defina expressões lambda

Convertendo funções em expressões lambda

Usando uma expressão lambda como argumento

Quais são as funções map(), filter(), reduce()?

A função map()

A função filter()

A função reduce()

O que é recursão?

Calcule o número de chamadas de função

Calcular um valor médio

Aproximar Pi com recursão

Iniciar capítulo

4

Python para computação científica

Este capítulo aborda temas de computação científica em Python. Vamos começar explicando a diferença entre arrays do NumPy e listas. Vamos mostrar por que os primeiros são mais adequados para cálculos complexos. Em seguida, veremos técnicas úteis para manipular DataFrames do pandas. Por fim, faremos visualizações de dados usando gráficos de dispersão, histogramas e boxplots.

Qual é a diferença entre um array do NumPy e uma lista?

Inicialização incorreta de array

Acessando subarrays

Operações com arrays NumPy

Como usar o método .apply() em um DataFrame?

Uso simples de .apply()

Argumentos adicionais

Funções com argumentos adicionais

Como usar o método .groupby() em um DataFrame?

Métodos padrão de DataFrame

IMC dos vilões

Imputação de valores NaN

Como visualizar dados em Python?

Explorar relações entre variáveis

Plote um histograma

Criando boxplots

Considerações finais

Iniciar capítulo

Praticando questões de entrevista de código em Python

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Praticando questões de entrevista de código em Python hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.