Python: a linguagem que se lê como uma receita
Se lhe disserem que o Python parece pseudocódigo, não é exagero. A sintaxe obriga a indentar e privilegia nomes claros, por isso um script Python bem escrito quase pode ser lido por alguém que nunca programou.
Este guia explica porque o Python se tornou a linguagem favorita de cientistas, engenheiros e startups por todo o mundo lusófono, do INESC à Nubank.
Porque o Python está em todo o lado
O Python nasceu em 1991 pela mão de Guido van Rossum e sempre priorizou a legibilidade. O que disparou a sua adoção foi a vaga da ciência de dados e da inteligência artificial a partir de 2012. Bibliotecas como NumPy, pandas, scikit-learn e mais tarde PyTorch e TensorFlow tornaram o Python no padrão de facto do machine learning.
Mas o Python não é só IA. Usa-se para automatizar tarefas de escritório, processar dados de Excel à escala, construir backends web com Django ou FastAPI, e administrar servidores Linux. No INPE, por exemplo, parte do processamento de dados de satélite é feito em Python.
O que instalar primeiro
Em macOS e Linux já existe uma versão, mas vale a pena instalar a sua com pyenv ou diretamente em python.org. No Windows, descarregue o instalador oficial e marque "Add Python to PATH". Depois instale um editor: o VS Code com a extensão oficial de Python é a combinação mais simples.
Crie sempre um ambiente virtual por projeto. Com python -m venv .venv isola as dependências e evita que dois projetos se entrem em conflito por versões diferentes da mesma biblioteca. Para ativar: source .venv/bin/activate em Linux/macOS, .venv\Scripts\activate em Windows.
O essencial da sintaxe
Sem palavra-chave para declarar variáveis: nome = "Beatriz" chega. Os blocos não usam chavetas, usam indentação, normalmente quatro espaços. Uma função define-se com def e chama-se com parênteses. Uma lista usa parênteses retos, um dicionário usa chavetas.
O operador in é dos mais confortáveis: if "maçã" in fruta_favorita testa pertença. As compreensões de lista, do tipo [x*2 for x in numeros if x > 0], fazem numa linha o que noutras linguagens pede cinco. Depois de habituado, custa voltar atrás.
Dois casos reais para fixar a ideia
Caso um: um escritório de contabilidade no Porto recebe 300 faturas em PDF por mês. Com pdfplumber e um pouco de pandas, um script de 80 linhas extrai os valores, classifica por taxa de IVA e gera um Excel pronto para a declaração. Tempo manual antes: três dias. Depois: oito minutos.
Caso dois: uma loja online em São Paulo quer prever quando vai ficar sem stock. Com scikit-learn ajusta uma regressão sobre dois anos de histórico de vendas e obtém um alerta com uma semana de antecedência. O modelo cabe em 150 linhas e treina-se em menos de um minuto.
Erros típicos no início
Misturar tabulações e espaços para indentar causa erros difíceis de detetar. Configure o editor para usar sempre quatro espaços. Outro clássico: modificar uma lista enquanto itera sobre ela. Se quer filtrar, construa uma lista nova com uma compreensão.
Vale a pena aprender cedo o tratamento de exceções com try/except. Não as use para esconder erros: use-as para reagir de forma controlada quando um ficheiro falta ou uma API demora demasiado. E abra sempre ficheiros com with open(...) as f para que se fechem sozinhos.
Ferramentas relacionadas
Perguntas frequentes
- Qual a diferença entre Python 2 e Python 3?
- O Python 2 deixou de receber suporte em 2020. Use sempre Python 3 (a partir da 3.12). A diferença mais visível é que print passou a ser uma função: print("olá") em vez de print "olá".
- Python é lento?
- Para Python puro, sim, comparado com C ou Rust. Mas as bibliotecas de cálculo intensivo (NumPy, pandas, PyTorch) estão escritas em C e bem otimizadas, portanto para dados e machine learning o desempenho real é excelente. Para latências muito baixas prefere-se Go ou Rust.
- Python serve para fazer sites?
- Sim. O Django é ideal para projetos grandes que precisam de painel de administração pronto (intranets, ecommerce, CMS). O FastAPI brilha em APIs modernas com validação por type hints. O Flask continua a ser uma opção minimalista quando só precisa de duas rotas.
- Que livros ou recursos recomendam?
- Para iniciantes, "Automate the Boring Stuff with Python" é gratuito e cobre tarefas reais de escritório. Para dados, a documentação oficial do pandas e o livro de Wes McKinney são referências. Em português há cursos bem feitos na Alura e na Coursera.
- Preciso de saber matemática para usar Python?
- Para scripts de automação ou web, não mais do que uma calculadora. Para data science básica chega a matemática do secundário. Para machine learning avançado vale a pena rever álgebra linear e estatística, mas pode começar a usar modelos pré-treinados sem tocar nas matemáticas.