Continuando fazendo os calculos na pratica só para verificar as dificuldades. Segue a minha atividade.
Continuando fazendo os calculos na pratica só para verificar as dificuldades. Segue a minha atividade.
Olá, Pedro! Tudo bem?
É excelente ver você explorando os operadores especiais do Python. Eles são ferramentas poderosas em Data Science, especialmente quando precisamos criar lógicas de agrupamento ou transformações matemáticas complexas.
Analisando a sua atividade no Google Colab:
**): Você calculou corretamente $2^3$, resultando em 8. Este operador é muito usado em estatística, por exemplo, para calcular o desvio padrão ou variância, onde precisamos elevar valores ao quadrado.%): Ao definir dividendo = 7 e divisor = 3, o resultado 1 está correto. O operador de resto é essencial para descobrir se um número é par ou ímpar ou para criar ciclos em algoritmos.//): Ao dividir 10 por 3, o Python retornou 3. Note que ele ignora completamente a parte decimal (os 0,333...), "cortando" o número para o inteiro para baixo. É muito útil quando você precisa de resultados em unidades inteiras, como ao calcular quantas caixas completas são necessárias para transportar produtos.Vi que você já preparou o terreno para estudar Strings. Uma dica importante para essa fase: assim como nos números, o Python oferece "operadores" interessantes para textos.
Por exemplo, você sabia que pode "somar" ou "multiplicar" palavras?
'Data' + 'Science' vira 'DataScience'.'Python ' * 3 vira 'Python Python Python '.Mantenha esse ritmo de testar cada pequeno conceito na prática. Como você mesmo disse anteriormente, é nesse processo de "ensinar os dados" que a lógica de programação se consolida.
Parabéns por mais essa etapa concluída!
O que você achou do operador de Módulo (%)? Consegue visualizar algum uso para ele nos desafios de Data Science que você já viu?