Banco de Códigos e Bibliotecas

Reutilização de Código

Bibliotecas permitem usar código pronto, testado e mantido pela comunidade, acelerando o desenvolvimento.

📦 O que são Bibliotecas?

Definição

Bibliotecas são conjuntos de funções e módulos prontos para uso que estendem as capacidades do Python.

Cuidado

Algumas bibliotecas são oficiais (mantidas pelo Python), mas outras são da comunidade. Sempre verifique a procedência e popularidade antes de usar.

🔧 Instalação de Bibliotecas

Usando o pip

pip install nome-do-pacote

Exemplo:

pip install numpy

Onde executar?

Na linha de comando (Terminal, CMD do Windows, ou terminal integrado do VS Code).

📚 Bibliotecas Populares

Biblioteca	Função	Instalação
NumPy	Computação numérica	`pip install numpy`
Pandas	Análise de dados	`pip install pandas`
Requests	Requisições HTTP	`pip install requests`
BeautifulSoup	Web scraping (HTML/XML)	`pip install beautifulsoup4`
Matplotlib	Gráficos e visualização	`pip install matplotlib`

🔍 Bibliotecas em Destaque

urllib (Manipulação de URL)

Biblioteca Padrão

Módulo para manipulação de URLs. Usa a função urlopen para buscar URLs usando diversos protocolos.

re (Expressões Regulares)

Biblioteca Padrão

Regular expression operations - para busca e manipulação de padrões em texto.

BeautifulSoup (Web Scraping)

Biblioteca Externa

Extração de dados de arquivos HTML e XML. Ideal para web scraping.

💬 Comentários em Python

# Adicione um '#' na frente de cada linha que desejar comentar

🗺️ Ecossistema de Bibliotecas por Área

O diagrama abaixo mostra como as principais bibliotecas Python se organizam por área de aplicação:

flowchart TD
    Python["🐍 Python"]

    Python --> WEB["🌐 Web & HTTP"]
    Python --> DADOS["📊 Dados & Análise"]
    Python --> VIZ["📈 Visualização"]
    Python --> AUTO["🤖 Automação & Scraping"]
    Python --> IA["🧠 IA & Machine Learning"]
    Python --> UTIL["🛠️ Utilitários Gerais"]

    WEB --> requests["requests\n(HTTP simples)"]
    WEB --> httpx["httpx\n(HTTP async / HTTP2)"]
    WEB --> fastapi["fastapi\n(APIs REST rápidas)"]

    DADOS --> numpy["numpy\n(arrays numéricos)"]
    DADOS --> pandas["pandas\n(tabelas / DataFrames)"]
    DADOS --> polars["polars\n(alternativa ultra-rápida)"]

    VIZ --> matplotlib["matplotlib\n(gráficos clássicos)"]
    VIZ --> seaborn["seaborn\n(estatística visual)"]
    VIZ --> plotly["plotly\n(gráficos interativos)"]

    AUTO --> bs4["beautifulsoup4\n(HTML/XML)"]
    AUTO --> scrapy["scrapy\n(crawlers escaláveis)"]
    AUTO --> playwright["playwright\n(browser real)"]

    IA --> sklearn["scikit-learn\n(ML clássico)"]
    IA --> pydantic["pydantic\n(validação de dados)"]
    IA --> pydanticai["pydantic-ai\n(agentes de IA)"]

    UTIL --> pathlib["pathlib\n(arquivos/diretórios)"]
    UTIL --> re["re\n(expressões regulares)"]
    UTIL --> datetime["datetime\n(datas e horas)"]

Como ler o diagrama

Cada ramo representa uma área de uso. Dentro de cada área há bibliotecas que resolvem problemas específicos. Uma mesma biblioteca pode aparecer em mais de uma área (por exemplo, pydantic é usada tanto em APIs quanto em IA).

🧩 Tabela Expandida de Bibliotecas (2025-2026)

Esta tabela reúne bibliotecas amplamente usadas, organizadas por área, com informações de instalação e a versão recente conhecida.

Área	Biblioteca	Para que serve	Instalação
HTTP / Web	requests	Fazer requisições HTTP de forma simples	`pip install requests`
HTTP / Web	httpx	HTTP assíncrono e suporte a HTTP/2	`pip install httpx`
HTTP / Web	fastapi	Criar APIs REST modernas e rápidas	`pip install fastapi`
Dados	numpy	Operações matemáticas com arrays	`pip install numpy`
Dados	pandas	Manipular tabelas (DataFrames)	`pip install pandas`
Dados	polars	Alternativa ao pandas, muito mais rápida	`pip install polars`
Visualização	matplotlib	Gráficos estáticos clássicos	`pip install matplotlib`
Visualização	seaborn	Gráficos estatísticos sobre matplotlib	`pip install seaborn`
Visualização	plotly	Gráficos interativos no navegador	`pip install plotly`
Scraping	beautifulsoup4	Parsear HTML e XML	`pip install beautifulsoup4`
Scraping	scrapy	Crawlers escaláveis (v2.14, jan/2026)	`pip install scrapy`
Scraping	playwright	Controlar navegador real (Chrome/Firefox)	`pip install playwright`
IA / ML	scikit-learn	Algoritmos de machine learning clássico	`pip install scikit-learn`
IA / ML	pydantic	Validação de dados com tipos Python	`pip install pydantic`
IA / ML	pydantic-ai	Criação de agentes de IA (estável desde 2025)	`pip install pydantic-ai`
Padrão	re	Expressões regulares	nativa (sem pip)
Padrão	pathlib	Trabalhar com arquivos e pastas	nativa (sem pip)
Padrão	datetime	Datas, horas e fusos horários	nativa (sem pip)
Padrão	urllib	Abrir URLs com diversos protocolos	nativa (sem pip)

Bibliotecas "nativas"

Bibliotecas da Biblioteca Padrão do Python já vêm instaladas: não precisam de pip install. Só importe com import nome.

🏗️ Como Escolher uma Biblioteca

Antes de instalar qualquer biblioteca, faça estas perguntas:

Qual problema quero resolver? (HTTP, dados, gráficos, IA…)
A biblioteca está ativa? Verifique a data do último release no PyPI ou GitHub.
Quantas pessoas usam? Downloads no PyPI e estrelas no GitHub são bons indicadores.
A documentação é boa? Uma lib com doc ruim consome muito tempo.

Atalho: PyPI Stats

Acesse pypistats.org/top para ver em tempo real as bibliotecas mais baixadas do PyPI. Útil para comparar duas opções antes de escolher.

🔗 Como Importar Bibliotecas no Código

Depois de instalar com pip, você precisa importar no script:

import numpy              # importa tudo com prefixo: numpy.array(...)
import numpy as np        # atalho comum: np.array(...)
from math import sqrt     # importa só o que precisa: sqrt(16)
from datetime import date # importa só a classe date

Instalar não é suficiente

Instalar com pip deixa a biblioteca disponível no sistema. Mas você ainda precisa escrever import no início do arquivo Python para usá-la no código.

🧪 Atividades Mão na Massa

🧪 Atividade 1: Instalar e usar uma biblioteca real no Google Colab
Objetivo: instalar uma biblioteca do PyPI direto no Colab e ver ela funcionando.

Ferramenta: Google Colab (sem instalar nada no seu computador).

Passos:
Abra o Colab e crie um novo notebook.
Na primeira célula, instale a biblioteca rich (formatação colorida no terminal):
!pip install rich
Na célula seguinte, importe e use:
from rich import print
print("[bold green]Funcionou![/bold green] A biblioteca [yellow]rich[/yellow] está instalada.")
Execute a célula (Shift+Enter).
Resultado observável: o texto aparece colorido e formatado na saída da célula, provando que a biblioteca foi instalada e importada corretamente.

Variação: troque rich por httpx e teste:
import httpx
r = httpx.get("https://httpbin.org/get")
print(r.status_code)  # deve imprimir 200

🧪 Atividade 2: Explorar a documentação do requests e usar uma função nova
Objetivo: navegar pela documentação oficial de uma biblioteca e aplicar uma função que você não conhecia antes.

Ferramenta: Navegador + Google Colab (ou VS Code).

Passos:
Acesse a documentação oficial: docs.python-requests.org

Encontre a seção “Quickstart” e leia como funciona requests.get().
No Colab, instale (se necessário) e execute:
!pip install requests
import requests
 
resposta = requests.get("https://httpbin.org/json")
dados = resposta.json()         # converte JSON para dicionário Python
print(type(dados))              # <class 'dict'>
print(dados)                    # mostra o conteúdo retornado
Agora explore: na documentação, encontre como passar parâmetros de URL com params=. Teste com:
r = requests.get("https://httpbin.org/get", params={"nome": "Maria", "turma": "2TI"})
print(r.url)   # veja a URL montada automaticamente
Resultado observável: você vê a URL com os parâmetros já codificados (?nome=Maria&turma=2TI) e o JSON retornado pelo servidor de teste.

Desafio extra: tente descobrir na documentação como enviar um cabeçalho HTTP (header) customizado e adicione headers={"User-Agent": "MeuScript/1.0"} na requisição.

🧪 Atividade 3: Encontrar um pacote no PyPI e avaliar se vale instalar
Objetivo: praticar a busca no repositório oficial de pacotes Python e avaliar a qualidade/manutenção antes de instalar.

Ferramenta: Navegador em pypi.org + pypistats.org.

Passos:
Acesse pypi.org e pesquise por: qrcode.

Clique no pacote qrcode (primeiro resultado). Observe:

Data do último release (está sendo mantido?)

Número de versão atual

Dependências listadas

Link para o repositório GitHub

Acesse pypistats.org/packages/qrcode e veja o gráfico de downloads mensais.
Instale e gere um QR Code real:
!pip install qrcode[pil]
import qrcode
img = qrcode.make("https://iff.edu.br")
img.save("meu_qrcode.png")
print("Arquivo meu_qrcode.png gerado!")
No Colab, exiba a imagem:
from IPython.display import Image
Image("meu_qrcode.png")
Resultado observável: um QR Code real é gerado e exibido no notebook. Aponte o celular e veja que leva ao site do IFF.

Pergunta para reflexão: o pacote foi atualizado nos últimos 12 meses? Os downloads mensais são maiores que 10 mil? Se sim, é um pacote saudável para usar em projetos.

📂 Banco de Código Reutilizável

Abaixo, trechos prontos para copiar e adaptar nos seus projetos.

Baixar uma página da web

import requests
 
url = "https://example.com"
resposta = requests.get(url)
 
if resposta.status_code == 200:
    print("Página baixada com sucesso!")
    print(resposta.text[:200])  # mostra os primeiros 200 caracteres
else:
    print(f"Erro: código {resposta.status_code}")

Ler e manipular uma tabela com pandas

import pandas as pd
 
# Cria um DataFrame diretamente
dados = {
    "Nome": ["Ana", "Bruno", "Carla"],
    "Nota": [8.5, 7.0, 9.2]
}
df = pd.DataFrame(dados)
 
print(df)
print(f"\nMédia da turma: {df['Nota'].mean():.2f}")
print(f"Aluno com maior nota: {df.loc[df['Nota'].idxmax(), 'Nome']}")

Gerar um gráfico com matplotlib

import matplotlib.pyplot as plt
 
nomes = ["Ana", "Bruno", "Carla"]
notas = [8.5, 7.0, 9.2]
 
plt.bar(nomes, notas, color="steelblue")
plt.title("Notas da Turma")
plt.ylabel("Nota")
plt.ylim(0, 10)
plt.savefig("notas.png")
plt.show()

Usar expressão regular para validar e-mail

import re
 
def valida_email(email):
    padrao = r"^[\w\.-]+@[\w\.-]+\.\w{2,}$"
    return bool(re.match(padrao, email))
 
print(valida_email("aluno@iff.edu.br"))  # True
print(valida_email("email-invalido"))    # False

🌟 Novidades do Ecossistema Python (2025-2026)

O ecossistema Python evolui rapidamente. Algumas bibliotecas que ganharam destaque recentemente:

Biblioteca	Novidade	Por que importa
scrapy	v2.14 (jan/2026): APIs baseadas em corrotinas	Scraping mais eficiente e moderno
pydantic-ai	API estável (2025), 16 mil estrelas no GitHub	Criação de agentes de IA com Python puro
polars	Alternativa ao pandas muito mais rápida	Ideal para conjuntos grandes de dados
httpx	HTTP/2 e requisições assíncronas nativas	Substituto moderno do requests em projetos avançados
beautifoulsoup4	v4.14.3 (2025): mantida ativamente	Continua sendo a opção mais acessível para scraping

Atenção ao usar libs de IA

Bibliotecas como pydantic-ai evoluem rápido. Sempre fixe a versão no seu projeto com pip install pydantic-ai==X.Y.Z para evitar quebras futuras.

📚 Fontes (2026)

The 48 Best Open-Source Python Libraries (Anaconda, 2026)

Top Python Libraries of 2025 (Tryolabs)

Most Popular Python Frameworks and Libraries in 2025 (JetBrains/PyCharm Blog)

12 Python Libraries You Need to Try in 2026 (KDnuggets)

Top PyPI Packages: monthly dump (Hugo van Kemenade)

Most Downloaded PyPI Packages (pypistats.org)

Best Python Web Scraping Libraries in 2026 (ProxyRack)

5 Game-Changing Python Libraries Released in 2026 (Medium / The Pythonworld)

Aulas

Banco de códigos e Bibliotecas

Banco de Códigos e Bibliotecas

📦 O que são Bibliotecas?

🔧 Instalação de Bibliotecas

Usando o pip

📚 Bibliotecas Populares

🔍 Bibliotecas em Destaque

urllib (Manipulação de URL)

re (Expressões Regulares)

BeautifulSoup (Web Scraping)

💬 Comentários em Python

🗺️ Ecossistema de Bibliotecas por Área

🧩 Tabela Expandida de Bibliotecas (2025-2026)

🏗️ Como Escolher uma Biblioteca

🔗 Como Importar Bibliotecas no Código

🧪 Atividades Mão na Massa

📂 Banco de Código Reutilizável

Baixar uma página da web

Ler e manipular uma tabela com pandas

Gerar um gráfico com matplotlib

Usar expressão regular para validar e-mail

🌟 Novidades do Ecossistema Python (2025-2026)

Visão de gráfico

Sumário

Backlinks