Tipos e strings em Python

O material principal (主教材) do Exame Básico (基礎試験) é o 『Pythonチュートリアル』(Tutorial Python), da O'Reilly Japan, e a página oficial informa que ele corresponde à 4ª edição desde 1º de setembro de 2021. O escopo do exame também é publicado com os números e os títulos dos capítulos desse livro, por isso a preparação consiste em estudar o conteúdo do livro de acordo com o peso de cada capítulo. O 『Python実践レシピ』(Receitas práticas de Python), da Gijutsu-Hyoronsha, é o material principal do Exame Prático; o 『Pythonによるあたらしいデータ分析の教科書』(O novo livro didático de análise de dados com Python), da Shoeisha, é o do Exame de Análise de Dados; e o 『Pythonデータ分析 実践ハンドブック』(Manual prático de análise de dados com Python), da Impress, é o do Exame Prático de Análise de Dados — todos são de outros exames aplicados pela mesma associação. Confundir os materiais significa estudar sem fim conteúdos fora do escopo, por isso vale a pena confirmar isso logo no início.

O capítulo com mais questões é o Capítulo 4, "Mais ferramentas de controle de fluxo" (制御構造ツール), com 9 das 40 questões atribuídas a ele. Em seguida vêm o Capítulo 5, "Estruturas de dados", com 7, o Capítulo 3, "Uma introdução informal ao Python", com 6, e o Capítulo 8, "Erros e exceções", com 4. Só os Capítulos 3, 4 e 5 somam 22 questões, mais da metade do total. Por isso, é racional dedicar mais tempo de estudo a esses três capítulos e, em especial, deixar para depois o Capítulo 4, que trata do comando for e da definição de funções, pode ser difícil de recuperar.

O Capítulo 4, "Mais ferramentas de controle de fluxo", tem 9 das 40 questões, o que corresponde a 22.5 por cento. É o maior entre os capítulos, seguido pelo Capítulo 5, "Estruturas de dados", com 7 questões, 17.5 por cento. 15.0 por cento corresponde ao Capítulo 3, "Uma introdução informal ao Python", com 6 questões, e 10.0 por cento corresponde ao Capítulo 8, "Erros e exceções", e ao Capítulo 10, "Um breve passeio pela biblioteca padrão", cada um com 4 questões. Essa distribuição é publicada como o próprio escopo do exame (出題範囲), e não como uma estatística operacional, por isso pode servir de base para um plano de estudos.

O Capítulo 13, "E agora?", tem 0 questões, sendo o único capítulo do escopo do exame (出題範囲) do qual não sai absolutamente nada. Como seu conteúdo orienta o próximo passo do leitor, ele fica fora do que é cobrado em um exame que avalia a gramática da linguagem. 1 questão é atribuída aos Capítulos 1, 2, 7, 11, 12 e 14; 2 questões aos Capítulos 6 e 9; e 4 questões ao Capítulo 8, "Erros e exceções", e ao Capítulo 10, "Um breve passeio pela biblioteca padrão". Como todos os capítulos, exceto o 13, têm pelo menos 1 questão, vale a pena se preparar ao menos passando os olhos pela terminologia, mesmo nos capítulos com poucas questões.

print() une os argumentos que recebe usando o argumento nomeado (キーワード引数) sep. O padrão de sep é um único espaço de meia largura, então, sem especificá-lo, o resultado é Python 3 exam; mas aqui foi especificado sep='/', então as partes são unidas com barras, resultando em Python/3/exam. Python3exam é a saída quando sep é uma string vazia. Escolher Python/3/exam/, com um separador também no final, acontece quando se pensa que sep é colocado depois de cada elemento; na realidade, ele é inserido apenas entre os argumentos. O que vai no final é o end.

print() acrescenta o argumento nomeado (キーワード引数) end ao final da sua saída. O padrão é um caractere de quebra de linha (改行文字), então, sem especificá-lo, uma quebra de linha é adicionada a cada chamada de print(). Aqui, end='' é usado nas duas primeiras chamadas, impedindo a quebra de linha, então A e B são exibidos colados, e o último print() acrescenta a quebra de linha padrão, de modo que ABC é exibido em uma única linha. A B C, com espaços inseridos, acontece quando se passam os três como argumentos de uma única chamada de print(); a divisão em 3 linhas acontece se end nunca for especificado; e a divisão em 2 linhas acontece se end='' for removido de apenas uma delas.

print(*nums), com um asterisco, passa cada elemento da lista para print() como um argumento separado. Assim, os três argumentos são unidos com sep e, como sep=', ', o resultado é 10, 20, 30. Escrever print(nums) sem o asterisco passa a lista como um único argumento, então ela sai como está, com colchetes: [10, 20, 30]. Sem especificar sep, o espaço de meia largura padrão dá 10 20 30, e com sep='' tudo sai junto, como 102030.

Um comentário em Python é escrito com o sinal de cerquilha (シャープ記号), e tudo dali até o fim da linha é ignorado. Se colocado no início de uma linha, a linha inteira vira comentário; se colocado no meio, tudo dali em diante. Não existe sintaxe própria para abranger várias linhas, então coloca-se uma cerquilha em cada linha. O estilo de envolver o texto em aspas triplas às vezes é usado como substituto de um comentário de bloco, mas sintaticamente isso é um literal de string e, se colocado no início de uma função ou classe, é mantido em tempo de execução como docstring. A barra dupla é o operador de divisão pelo piso do Python, e o par barra-asterisco ou o hífen duplo são sintaxes de comentário de outras linguagens.

Como o Python representa um bloco pela profundidade da indentação (インデント), os comandos que pertencem ao mesmo bloco precisam ter a mesma largura de recuo. Apenas a terceira linha está recuada mais profundamente, e a linha anterior não é uma linha que inicia um novo bloco (uma que termina com dois-pontos), então isso resulta em IndentationError: unexpected indent. Isso é detectado durante a análise sintática (構文解析), que acontece antes da execução, então nem o print da segunda linha é executado, e nem mesmo one é exibido. Deixar de indentar onde a indentação é obrigatória gera outra mensagem, expected an indented block, e a largura deixar de coincidir no meio do caminho gera unindent does not match any outer indentation level, mas ambos continuam sendo IndentationError.

Um arquivo-fonte do Python 3 é lido como UTF-8 por padrão, então é possível escrever japonês diretamente tanto em comentários quanto em literais de string. No Python 2, o padrão era ASCII e, para incluir japonês, era preciso escrever uma declaração coding na primeira ou na segunda linha do arquivo, mas no Python 3 essa declaração deixou de ser necessária. Escrever a declaração só é necessário quando se quer que ele leia um arquivo salvo com uma codificação de caracteres (文字コード) diferente de UTF-8. Observe que também é possível usar japonês em identificadores (nomes de variáveis e de funções), embora isso não seja recomendado do ponto de vista da legibilidade.

Uma única barra, /, é a divisão real (真の除算), e seu resultado é sempre um float. Isso vale mesmo quando a divisão é exata, então 9 / 3 não é 3, mas 3.0, e seu tipo também é float. Se você pensar que vira int por ser um cálculo entre inteiros, escolherá 3 e int; mas, quando você quer um int, precisa usar a divisão pelo piso (床除算) e escrever 9 // 3, que dá 3 e int. Combinações em que a aparência do valor e o tipo não coincidem, como 3 e float, ou 3.0 e int, não surgem dessa expressão.

A barra dupla, //, é a divisão pelo piso (床除算), e ela arredonda o quociente para baixo, ou seja, para o lado menor na reta numérica. Como 9 / 4 é 2.25, 9 // 4 é 2; e como -9 / 4 é -2.25, -9 // 4 não é -2, mas -3. O ponto-chave é que ela não arredonda em direção a 0; escolher -2 acontece se você pensar que ela trunca em direção a 0, como faz a linguagem C. 2.25 e -2.25 são os valores obtidos usando / em vez de //, e 2.0 e -3.0 são os valores obtidos se você misturar um operando float e escrever 9.0 // 4 — quando os dois lados são int, o resultado também é int.

divmod(a, b) retorna a tupla (タプル) (a // b, a % b). Como o // do Python arredonda para baixo, -11 // 3 se torna -4 e, como o sinal do resto acompanha o lado direito, -11 % 3 se torna 1. Portanto, a resposta é (-4, 1). Se você pensar em termos de truncamento em direção a 0, obterá um quociente de -3 e um resto de -2, resultando em (-3, -2), mas o Python não usa essa abordagem. O quociente e o resto sempre mantêm a relação de que o divisor vezes o quociente mais o resto é igual ao valor original, então você pode conferir com 3 vezes -4 mais 1 igual a -11. Conferindo com essa relação, nem (-3, 2) nem (-4, -2) voltam a -11.

A função embutida (組み込み関数) int() descarta a parte fracionária e arredonda em direção a 0, então int(-2.7) não se torna -3, mas -2. Já // arredonda para baixo, então -2.7 // 1 vai para -3 e, como há um operando float envolvido, o resultado também é um float, -3.0. Para números positivos, tanto int(2.7) quanto 2.7 // 1 vão para 2, então a diferença não aparece, mas, para números negativos, as direções se separam. Nenhum dos dois arredonda para o mais próximo, então, se você quiser transformar -2.7 em -3, deve usar round(-2.7).

Como o float guarda decimais em binário, valores simples em decimal, como 0.1 ou 0.7, não podem ser representados exatamente. De fato, exibir 0.1 + 0.7 dá 0.7999999999999999, que é ligeiramente diferente de 0.8, então a linha 1 é False. A linha 2 arredonda para 2 casas decimais com round() antes de comparar, então os dois lados se tornam 0.8 e o resultado é True. Isso não é um defeito exclusivo do Python, mas uma propriedade do ponto flutuante binário (二進浮動小数点) do IEEE 754, a mesma razão pela qual 0.1 + 0.2 se torna 0.30000000000000004 e 1.1 + 2.2 se torna 3.3000000000000003. Evite comparações de igualdade entre floats; em vez disso, compare depois de arredondar para o número de dígitos necessário, compare a diferença absoluta com uma tolerância ou, em casos como valores monetários, em que a exatidão é necessária, use o módulo decimal.

O round() do Python arredonda para o par mais próximo, o chamado arredondamento bancário (銀行家の丸め). Somente para valores que estão exatamente no meio ele vai para o número par mais próximo, então 1.5 se torna 2, 2.5 se torna 2 e 3.5 se torna 4, dando a saída 2 2 4. O arredondamento ensinado na escola (四捨五入) daria 2 3 4, mas o Python não usa esse método. 1 2 3 é o valor obtido truncando simplesmente a parte fracionária, e 1 3 3 é o valor obtido arredondando para o lado ímpar; nenhum dos dois corresponde ao comportamento real. Observe que round() com o segundo argumento omitido retorna um int, enquanto especificar o número de dígitos, como em round(2.5, 0), retorna o float 2.0.

Como bool herda (継承) de int, True pode ser usado diretamente em operações numéricas como o inteiro 1, e False como o inteiro 0. True + True é 1 mais 1, dando 2, e isinstance(True, int) retorna True. Pensar que a linha 1 é True acontece se você confundir + com o OU lógico (論理和); o OU lógico do Python é or, e True or True é True. issubclass(bool, int) também é True, e sum([True, False, True]) se tornar 2 tem a mesma razão. Essa propriedade é muito usada para contar quantas condições foram satisfeitas.

O int do Python 3 tem precisão arbitrária (任意精度), sem limite superior de dígitos. 3 ** 40 é calculado exatamente como 12157665459056928801, valor que ultrapassa o intervalo de um inteiro de 64 bits com sinal, mas seu tipo continua sendo int. Ele também consegue lidar com um valor como 2 ** 1000 e, contando seus dígitos com len(str(2 ** 1000)), obtêm-se 302 dígitos. Como não é um inteiro de tamanho fixo como o da linguagem C, ele nunca estoura para um valor negativo, nem passa para float por conta própria. O OverflowError ocorre em situações como ultrapassar o intervalo que um float consegue representar; ele não é lançado só porque a quantidade de dígitos de um int aumenta. No entanto, mais dígitos significam mais tempo de cálculo e mais memória.

Acessar bytes com um índice (添字) inteiro retorna o valor do byte naquela posição como um int. O primeiro byte de b'abc', que é 'abc' codificado em UTF-8, é o ponto de código (コードポイント) de 'a', então é 97. Já ao extrair uma fatia (スライス), retorna-se um objeto bytes de comprimento 1, então b[0:1] é b'a'. Com str, s[0] e s[0:1] dão a mesma str, 'a', então este é um ponto em que str e bytes contrastam. A exibição sair como b'a', e não como a, deve-se ao fato de print() mostrar bytes na forma repr; para convertê-lo de volta em string, use b.decode().

O segundo argumento de int() é a base (基数), então int('1010', 2) lê a string em base 2 e retorna 10. Pensar que sai como 1010, sem alteração, acontece se você deixar passar a base especificada. bin() retorna uma string com o prefixo 0b, '0b1010', e hex() retorna uma string em minúsculas com o prefixo 0x, '0xff'. Ela nunca vira maiúscula, 0xFF; quando você quiser notação em maiúsculas, use format(255, 'X'). ord() retorna o ponto de código (コードポイント) de um caractere, e o ponto de código do A maiúsculo é 65. 97 é o ponto de código do a minúsculo; a conversão inversa é chr(65), que devolve 'A'.

s[2:5] extrai os elementos a partir do índice (添字) 2 até o índice 5, sem incluí-lo. Como o índice 2 de 'Pythonic' é t, os três caracteres t, h e o dão tho. Como a posição final não é incluída, não vira thon. Se você ler o índice como contado a partir de 1, como em "a partir do 2º caractere", escolherá yth, que corresponde a s[1:4]. s[-3:] usa um índice negativo, então conta a partir do final, tomando o 3º caractere a partir do final, n, como ponto de partida até o fim, dando nic. Ler -3 erroneamente como "até o 3º caractere a partir do final" leva a escolher ic, que corresponde a s[-2:]. Tendo em mente que os índices começam em 0 e que os índices negativos contam a partir do final, com -1 sendo o último, não há confusão.

Uma fatia (スライス) não lança exceção mesmo que seu intervalo ultrapasse o comprimento da string; ela apenas retorna a parte que se sobrepõe. 'Python' tem só 6 caracteres, então s[100:200] se torna uma string vazia (空文字列), e compará-la com uma string vazia dá True. Isso contrasta com um índice isolado, s[100], que lançaria IndexError. Na linha 2, o operador in verifica a presença de uma substring, mas diferencia maiúsculas de minúsculas, então o 'py' minúsculo não está contido em 'Python' e dá False. 'Py' ou 'th' dariam True.

str é imutável (イミュータブル), ou seja, seu conteúdo não pode ser alterado depois de criado, então não é possível reescrever apenas um caractere usando um índice. s[0] = 'z' resulta em TypeError: 'str' object does not support item assignment, e a execução para ali, então nem o print é executado. IndexError é o que ocorre quando um índice está fora do intervalo, mas aqui 0 está dentro do intervalo válido, então isso é outra questão. Quando você quiser mudar o conteúdo, crie uma nova string e reatribua-a, como em s = 'z' + s[1:]. Uma lista é mutável (ミュータブル), então é possível reescrever um elemento da mesma forma.

Um método de string (文字列メソッド) não reescreve a string original; ele cria e retorna uma nova string. Na linha 2, s.upper() cria 'EXAM', mas, como não é atribuído a nada, esse valor é descartado e s continua sendo 'exam'. Assim, print(s) exibe exam. A linha 4 exibe diretamente o valor de retorno de s.replace('e', 'E'), então sai Exam, mas isso também não altera o próprio s. Para guardar o resultado, reatribua, como em s = s.upper(). Isso contrasta com um método como o sort() de uma lista, que reordena no próprio lugar e retorna None.

O especificador de formato (書式指定) da f-string :.2f arredonda para 2 casas decimais na exibição, então 2.71828 se torna 2.72. Como não é truncamento, não vira 2.71, e 2.718 é o valor que se obteria com :.3f. Na linha 2, !r é um especificador de conversão (変換指定) que exibe o valor na forma repr(). Usado em uma string, ele acrescenta aspas, dando 'ok'; sem !r, sai apenas ok. A sintaxe do especificador de formato é compartilhada com str.format(), então escrever '{n:.2f}'.format(n=2.71828) dá o mesmo 2.72.

Chamar split() sem argumentos trata sequências de espaços em branco consecutivos como um único separador e não cria elementos vazios. Assim, 'a b c'.split() se torna a lista de 3 elementos ['a', 'b', 'c']. Quando você especifica o separador explicitamente e escreve 'a b c'.split(' '), a divisão é feita a cada espaço, então sobra uma string vazia, resultando na lista de 4 elementos ['a', 'b', '', 'c']. O segundo argumento é maxsplit, que representa o limite superior do número de divisões; passar 1 divide apenas na primeira vez, dando ['a', 'b,c'], com o restante mantido sem divisão como um só elemento. Omiti-lo divide tudo, dando ['a', 'b', 'c'].

O argumento de strip() é "um conjunto de caracteres a remover" (取り除く文字の集合), e ele continua removendo das duas extremidades enquanto houver caracteres desse conjunto. Não se trata de remover uma única ocorrência da substring 'x', então 'xxabxx'.strip('x') elimina todos os x das duas extremidades, dando ab. Se você pensar que ele remove apenas um caractere de cada vez, escolherá xabx. lstrip() atua apenas na extremidade esquerda, dando abxx, e rstrip() apenas na direita, dando xxab. Omitindo o argumento, são removidos os caracteres de espaço em branco. Como o argumento é tratado como um conjunto, escrever 'xxabxx'.strip('xa') elimina o xx inicial e também o a, deixando apenas b.

join() usa a string que o chama como separador, unindo cada elemento do iterável (反復可能オブジェクト) recebido. Uma string também é um iterável do qual se pode tirar um caractere de cada vez, então '-'.join('abc') une 'a', 'b' e 'c' com hífens, dando a-b-c. O separador é inserido apenas entre os elementos, e não antes nem depois, então não vira -a-b-c-. Obter abc, sem separador, acontece se você escrever ''.join('abc'). O operador * repete uma string um número especificado de vezes, então 'ab' * 3 dá ababab, sem espaço inserido entre as repetições. Se você quiser ab ab ab, escreva ' '.join(['ab'] * 3).

find() retorna -1 quando a substring (部分文字列) não é encontrada, e não lança exceção. Não há 'z' em 'banana', então o resultado é -1. 0 é o valor quando ela é encontrada logo no início, então cuidado para não confundir isso com o caso de não ser encontrada. index() é igual a find() no sentido de retornar a posição em que foi encontrada; a primeira ocorrência de 'n' em 'banana' está no índice 2, então o resultado é 2. Obter 3 acontece se você contar o índice a partir de 1 e lê-lo como "o 3º caractere", e 4 é a posição da última ocorrência, que você obteria com rfind() ou rindex(). A única diferença entre os dois é o que acontece quando não se encontra: index() lança ValueError: substring not found e interrompe o processamento.

Em uma string bruta (raw文字列), criada colocando r antes do literal, a barra invertida não é interpretada como o início de uma sequência de escape (エスケープ). r'a\nb' são os 4 caracteres a, barra invertida, n e b, então seu len é 4. Já na string comum 'a\nb', \n é substituído por um único caractere de quebra de linha, então são os 3 caracteres a, quebra de linha e b, dando um len de 3. Contar os dois como escapes dá 3 3, e contar os dois como caracteres brutos dá 4 4, mas o ponto-chave é que a presença de r muda o tratamento. Mesmo com r, o tipo continua sendo uma str comum; não se torna um tipo especial. Observe que len('\\') é 1, pois são necessárias duas barras invertidas para escrever um único caractere de barra invertida literal.