HUICODE ACADEMY

Para deletar um registro ou mais registros(linhas) de uma tabela, utilizamos o comando SQL DELETE . É importante frisar que esse comando não exclui a tabela em sim, apenas os dados armazenados nele. Qual a sintaxe do comando SQL DELETE? A sintaxe básica usada para o comando DELETE é:  DELETE FROM nome_da_tabela   WHERE condição;  Observe que após a expressão FROM indicamos o nome da tabela que vamos excluir os dados. Já na cláusula WHERE definimos a condição que será usada como filtro para encontrar exatamente o registro que será excluído. Observe o nosso cenário Eu tenho uma tabela que armazena produtos atualizados de uma Loja. Vou fazer um novo SELECT para selecionar os dados da tabela atualizada. SELECT  *  FROM  produtos_atualizados Também, vou fazer um SELECT na tabela de produtos para selecionar os dados da tabela. SELECT * FROM produto Eu  tenho a seguinte rotina na empresa. Sempre que um produto é atualizado, eu vou na tabela produto para inserir os dados mais atualizados. 

Remover as duplicidades é um processo necessário para garantir a qualidade dos dados (Data Quality). No dia-a-dia, quando preciso trazer os dados para analisar em uma plataforma analítica, tenho uma preocupação enorme com linhas duplicadas. Com vista, a não trazer informações inflacionadas ou inverdades. Para remover as duplicidades, utilizo a função ROW_NUMBER() . Com a função ROW_NUMBER() , eu crio uma coluna que vai contar quantas vezes uma linha se repete e após essa contagem, eu armazeno o resultado em uma tabela temporária. Em seguida, Faço o SELECT na tabela temporária, trazendo somente as linhas onde contador=1. Na função ROW_NUMBER() utilizamos as seguintes expressões: ROW_NUMBER() : é a primeira declaração que informa que vamos usar a função e obrigatoriamente exige o uso do OVER() logo em seguida OVER() : esta é uma expressão obrigatória que vem após a declaração do ROW_NUMBER() . Quando a usamos, é como se estivéssemos dizendo "Quero que o resultado seja contado sobre

Você pode converter um DataFrame em arquivo JSON a partir de uma Lista,  usando o método DataFrame.to_json(). No dia-a-dia, usamos arquivos JSON especialmente para compartilhar dados entre servidores e aplicativos da web. Criando uma Lista U ma lista é uma estrutura de dados composta por itens organizados de forma linear, na qual cada um pode ser acessado a partir de um índice, que representa sua posição na coleção (iniciando em zero). Em Python, uma lista é representada como uma sequência de objetos separados por vírgula e dentro de colchetes []. import pandas as pd # importando a biblioteca Pandas para transformar a Lista em DataFrame e # gerar o arquivo Excel a partir do DataFrame # CRIANDO A LISTA COM DADOS  DE NOME, SOBRENOME E DATA DE NASCIMENTO lista = [ [ "Eric Arthur" , "Blair" , "25/06/1903" ],       [ "Araújo Victor" , "Catumbela" , "11/02/1999" ],       [ "James Richard" , "Perry" , "04/

Um dicionário Python é uma forma de coleção de dados em que se guarda uma chave e um valor correspondente. Os dicionários servem para representar melhor o mundo real, associando uma palavra a um ou mais valores. Criando um  dicionário   Em Python, para iniciar um dicionário em Python, você precisa criar a variável e colocar os valores entre chaves {}. import pandas as pd # importando a biblioteca Pandas para transformar o Dicionário em DataFrame e # gerar o arquivo excel a partir do DataFrame # CRIANDO o Dicionário com Informações de NOME, SOBRENOME E DATA DE NASCIMENTO meu_dicionario = ({ 'Nome' : "Eric Arthur" , "Sobrenome" : "Blair" , "Data de Nascimento" : "25/06/1903" }, { 'Nome' : "Araújo Victor" , "Sobrenome" : "Catumbela" , "Data de Nascimento" : "11/02/1999" }, { 'Nome' : "James Richard" , "Sobrenome" : "Perry" , "Dat

Uma lista é uma estrutura de dados composta por itens organizados de forma linear, na qual cada um pode ser acessado a partir de um índice, que representa sua posição na coleção (iniciando em zero). Criando uma Lista Em Python, uma lista é representada como uma sequência de objetos separados por vírgula e dentro de colchetes []. import pandas as pd # importando a biblioteca Pandas para transformar a Lista em DataFrame e # gerar o arquivo Excel a partir do DataFrame # CRIANDO A LISTA COM DADOS  DE NOME, SOBRENOME E DATA DE NASCIMENTO lista = [ [ "Eric Arthur" , "Blair" , "25/06/1903" ],       [ "Araújo Victor" , "Catumbela" , "11/02/1999" ],       [ "James Richard" , "Perry" , "04/03/1950" ],       [ "Moisés" , " Mendrote" , "20/02/2020" ]  ] print ( "-------------Imprimindo a lista------------------------" ) print ( lista ) # TRANSFORMANDO A LISTA EM UM D

Um DataFrame  é uma estrutura de dados bidimensional em forma de tabelas, semelhante a uma tabela em SQL ou até com uma planilha do Excel, ou do Google Sheets. Neste tutorial, vamos fazer a ordenação utilizando a função  sort_values(). sort_values()  é uma função do Pandas que classifica um DataFrame em ordem crescente ou decrescente da coluna passada como argumento.. Neste tutorial, vou mostrar como ordenar nosso DataFrame de acordo com um critério(ordem crescente, decrescente). Eu criei um DataFrame utilizando dicionário para não ter que importar um arquivo. import pandas as pd #importando a biblioteca Pandas # em seguida, criar o DataFrame meu_dataframe = pd . DataFrame ( { 'Nome' : { 0 : 'Araújo' , 1 : 'Victor' , 2 : 'Catumbela' , 3 : 'Moisés' , 4 : 'Mendrote' }, 'Disciplinas favoritas' : { 0 : 'Linguagem Python' , 1 : 'Matemática' ,                                 2 : 'Estatistica' , 3 : 'Políti

Resposta: O avanço tecnológico por meio de inovações como a IoT, o Big Data e a Inteligência Artificial tem impactado a vida e o cotidiano das pessoas, principalmente na medicina.  Como tecnologias a serem destacadas, temos:  1- Cirurgias robóticas assistidas A cirurgia robótica já é uma realidade e vem garantindo procedimentos mais seguros e menos invasivos aos pacientes. São estruturas robóticas comandadas por um especialista, que tem a sensação de ver o corpo por dentro, graças a câmeras que geram imagens tridimensionais.

Um pipeline de dados é um meio de mover dados de um local(origem) para um destino(Um Data Warehouse ou Data Lake por exemplo). Ao longo do caminho, os dados são transformados e otimizados, chegando a um estado em que podem ser analisados e usados para desenvolver insights de negócios. Um pipeline de dados é essencialmente o conjunto das etapas envolvidas na agregação, organização e movimentação de dados. Os pipelines de dados modernos automatizam muitas das etapas  manuais envolvidas na transformação e otimização do carregamento de dados Normalmente , o pipeline inclui carregar dados brutos em uma tabela de preparação ( área intermediária ou staging area) para armazenamento temporário e, em seguida, alterá-los antes de inseri-los no destino. Pipeline de dados é um conceito e pode ser implementado de muitas formas diferentes, desde ferramentas de automação em ambiente local, ferramentas em nuvem ou mesmo via programação em linguagens como Python, R, Scala, C++ ou Java. Componentes de um

A linguagem Python é uma das principais linguagens para realizar os processos de ETL(Extração, Transformação e carga). Em muitos casos, temos um dataset(arquivo) e precisamos fazer uma transformação nos dados, removendo certos caracteres. Para realizar esta tarefa, usamos a função re.sub()   da biblioteca re .  A função    re.sub()    serve para buscar um padrão no texto e substituí-lo por outro. Com isso, ela retorna uma nova string, a que tomou o lugar da anterior. Em caso de não encontrar o padrão, retorna a string normal. O exemplo de código a seguir demonstra como podemos usar o método re.sub() para substituir caracteres da string em Python. Neste exemplo, vou substituir por nada import re texto = "Hey! What's up?" print ( 'Texto original:  ' + texto ) string_com_caracteres_removidos = re . sub ( "\!| \' |\?" , "" , texto ) print ( 'Texto com carateres removidos:  ' + string_com_caracteres_removidos ) Executando as li

Na aula de hoje,  a gente vai extrair um arquivo Excel(formato .xlsx) que está em uma pasta no meu computador e realizar as etapas de manipulação e transformação dos dados e no final, converter o arquivo em um formato CSV. 1. Eu tenho esse arquivo de vendas aqui no meu computador 2. eu vou abrir esse arquivo no Excel para gente olhar a maneira como está estruturado. Para realizar a extração e tratamento desse arquivo, irei usar a as funções da Biblioteca Pandas do Python. O que é o Pandas? Pandas é uma biblioteca de software criada para manipulação e análise de dados com Python. A biblioteca Pandas  é uma biblioteca muito poderosa para a manipulação de dados tabulares. Em Python, os dados tabulares são armazenados no Pandas DataFrame. DataFrame   é uma estrutura de dados bidimensional em forma de tabelas, semelhante a uma tabela em SQL ou até com uma planilha do Excel, ou do Google Sheets. Observe a figura: Diferença entre Series e DataFrame 3.     Eu vou usar a IDE Visual Studio Cod