Pergunta 1: Criar uma lista vazia para armazenar os resumos dos e-mails
resumos_emails = []
Pergunta 2: Utilizar append para inserir cada resumo formatado com f-string
emails = [
{"remetente": "João", "assunto": "Reunião"},
{"remetente": "Maria", "assunto": "Relatório"}
]
resumos_emails = []
for email in emails:
resumo = f"Remetente: {email['remetente']} | Assunto: {email['assunto']}"
resumos_emails.append(resumo)
print(resumos_emails)
Pergunta 3: Retornar a lista populada após um loop
def gerar_resumos(emails):
resumos = []
for email in emails:
resumo = f"Remetente: {email['remetente']} | Assunto: {email['assunto']}"
resumos.append(resumo)
return resumos
Pergunta 4: Criar e sobrescrever um arquivo TXT usando modo "w"
with open("resumos.txt", "w", encoding="utf-8") as arquivo:
for resumo in resumos_emails:
arquivo.write(resumo + "\n")
Pergunta 5: Ler o arquivo e salvar em uma nova lista usando strip()
lista_resumos = []
with open("resumos.txt", "r", encoding="utf-8") as arquivo:
for linha in arquivo:
lista_resumos.append(linha.strip())
print(lista_resumos)
Pergunta 6: Demonstrar read(), readline() e readlines()
Utilizando read()
with open("resumos.txt", "r", encoding="utf-8") as arquivo:
conteudo = arquivo.read()
print(conteudo)
Utilizando readline()
with open("resumos.txt", "r", encoding="utf-8") as arquivo:
primeira_linha = arquivo.readline()
print(primeira_linha)
Utilizando readlines()
with open("resumos.txt", "r", encoding="utf-8") as arquivo:
linhas = arquivo.readlines()
print(linhas)
Pergunta 7: Importar Pandas usando o alias pd
import pandas as pd
Pergunta 8: Construir um CSV manualmente
dados = [
{"nome": "Ana", "idade": 25},
{"nome": "Carlos", "idade": 30}
]
with open("dados_manual.csv", "w", encoding="utf-8") as arquivo:
arquivo.write("nome,idade\n")
for item in dados:
arquivo.write(f"{item['nome']},{item['idade']}\n")
Pergunta 9: Criar DataFrame e salvar com to_csv()
import pandas as pd
dados = [
{"nome": "Ana", "idade": 25},
{"nome": "Carlos", "idade": 30}
]
df = pd.DataFrame(dados)
df.to_csv(
"dados_pandas.csv",
index=False,
encoding="utf-8"
)
Pergunta 10: Criar um arquivo TXT a partir de uma lista de perguntas
perguntas = [
"O que é Ciência de Dados?",
"O que é Machine Learning?",
"O que é Big Data?",
"O que é um DataFrame?",
"O que é Inteligência Artificial?"
]
with open("perguntas.txt", "w", encoding="utf-8") as arquivo:
for pergunta in perguntas:
arquivo.write(pergunta + "\n")
Pergunta 11: Ler as perguntas e criar uma lista
lista_perguntas = []
with open("perguntas.txt", "r", encoding="utf-8") as arquivo:
for linha in arquivo:
lista_perguntas.append(linha.strip())
print(lista_perguntas)
Pergunta 12: Integrar uma chamada ao LLM e salvar os resultados em CSV
import pandas as pd
lista_respostas = []
for pergunta in lista_perguntas:
resposta = client.models.generate_content(
model="gemini-2.5-flash",
contents=f"Responda de forma breve: {pergunta}"
)
lista_respostas.append({
"pergunta": pergunta,
"resposta": resposta.text
})
df = pd.DataFrame(lista_respostas)
df.to_csv(
"perguntas_respostas.csv",
index=False,
encoding="utf-8"
)
Resultado Final
Arquivos gerados:
resumos.txtdados_manual.csvdados_pandas.csvperguntas.txtperguntas_respostas.csv
O exercício demonstra o uso de listas, dicionários, append(), leitura e escrita de arquivos TXT, criação de CSV manualmente, utilização da biblioteca Pandas e integração com um LLM para geração de respostas.
