try:
numero = int(input("Digite um número: "))
resultado = 10 / numero
except ValueError:
print("Erro: Você precisa digitar um número inteiro.")
except ZeroDivisionError:
print("Erro: Divisão por zero não é permitida.")
except Exception as e:
print("Ocorreu um erro inesperado:", e)
finally:
print("Execução do bloco try finalizada.")
Filtragem de DataFrame e manipulação de strings
Pandas permite filtrar dados facilmente:
import pandas as pd
Exemplo de DataFrame
df = pd.DataFrame({
"resenha": ["Ótimo produto", "Não gostei", "Regular"],
"sentimento": ["Positiva", "Negativa", "Neutra"]
})
Filtrar resenhas negativas
df_negativas = df[df["sentimento"] == "Negativa"]
Extrair e unir as resenhas negativas em uma única string
resenhas_unidas = "#####".join(df_negativas["resenha"])
print(resenhas_unidas)
3️ Integração com LLM (IA local)
Executar modelos localmente garante privacidade , controle e customização .
Ferramentas populares: LM Studio e Ollama .
Etapas básicas :
Selecionar modelo adequado (ex.: Gemma 3 1B).
Configurar ambiente virtual Python e IDE (VSCode, Cursor).
Criar script Python para chamar LLM:
from openai import OpenAI
client_openai = OpenAI(base_url="http://127.0.0.1:1234/v1", api_key="lm-studio")
prompt = f"Classifique as resenhas: {resenhas_unidas}"
resposta = client_openai.chat.completions.create(
model="google/gemma-3-1b",
messages=[{"role": "system", "content": "Você é um analista de dados."},
{"role": "user", "content": prompt}],
temperature=0.0
)
print(resposta.choices[0].message.content)
4️ Conversão de JSON em dicionário Python
import json
resposta_json = resposta.choices[0].message.content
dicionario_resenhas = json.loads(resposta_json) # Converte JSON em dict Python
Permite analisar resenhas em lote , contar avaliações e unir os resultados em uma string:
def contador_e_juntador(lista_de_dicionarios):
pos, neg, neut = 0, 0, 0
for item in lista_de_dicionarios:
if item['avaliacao'] == "Positiva": pos += 1
elif item['avaliacao'] == "Negativa": neg += 1
else: neut += 1
textos_unidos = "#####".join([str(d) for d in lista_de_dicionarios])
return pos, neg, neut, textos_unidos
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!