Python em R

class: inverse, center, middle

background-image: url(img/logo.png)
background-position: 50% 15%
background-size: 30%

# <br><br>Python em R

### Workshop Ciência de Dados 
### OOBr + Constat

---

.remark-slide-number {
  bottom: 95%
}
</style>

### Sobre mim

.pull-left[
<img src=img/perfil_Jose.png>
]

.pull-right[
- Graduando em Estatística na Universidade Federal do Espírito Santo (UFES).

- Apaixonado por animes, mangás e cultura japonesa.

<br><br><br>Contato:

]

---

### Sobre o OOBr

.pull-left[
- Plataforma interativa de monitoramento, análises de dados públicos (da saúde, socioeconômicos e ambientais) cientificamente embasadas e disseminação de informações relevantes na área da saúde materno-infantil.

- Ser referência de informações acessíveis e confiáveis sobre saúde materno-infantil e ser um suporte importante para a tomada de decisões na área.

- Equipe multidisciplinar da UFES, USP e FACENS.

- Financiado pela Fundação Bill & Melinda Gates, CNPq e FAPES.
]

.pull-right[
<img src="img/logo2.png" width="100%" style="display: block; margin: auto;" />
]

---

.pull-left[
### Painéis OOBr
<img src="img/paineis.png" width="100%" style="display: block; margin: auto;" />
]

.pull-right[
### Livro e tutoriais OOBr
<img src="img/tutoriais.png" width="100%" style="display: block; margin: auto;" />
]

.center[
#### <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#0A1E3C;overflow:visible;position:relative;"><path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"/></svg> [https://observatorioobstetricobr.org](https://observatorioobstetricobr.org)
]

---

### Cronograma

1. Python e R.

2. Ambientes de desenvolvimento.

3. Python no RStudio.

4. Conceitos básicos de programação em Python.

5. Manipulação de bases de dados: Python vs. R.

6. Python em R Markdown e visualização de dados com Seaborn

- Material foi inspirado no curso [Python para usuários de R](https://loja.curso-r.com/python-para-ciencia-de-dados-i.html) de autoria da Curso-R.

---
class: inverse, middle, center

## Python e R

---

### O que são?

- O R é uma linguagem de programação destinada à computação estatística.

- O Python é uma linguagem de propósito geral.

### Similaridades

- São ambas linguagens gratuitas e de código aberto.

- São linguagens de alto nível.

- São linguagens multiparadigma.

---

### As 20 linguagens mais populares em 2022

- Fonte: [Stack Overflow Annual Developer Survey](https://survey.stackoverflow.co/2022/#technology).

<div class="figure" style="text-align: center">
<img src="img/popularity2022_tech.jpeg" alt="Figura 1: As 20 linguagens mais populares em 2022." width="38%" />
<p class="caption">Figura 1: As 20 linguagens mais populares em 2022.</p>
</div>

---

### Exemplos de utilização do Python

- Google - [Heavy usage of Python at Google](https://stackoverflow.com/questions/2560310/heavy-usage-of-python-at-google/2561008#2561008).

- Instagram - [Web Service Efficiency at Instagram with Python](https://instagram-engineering.com/web-service-efficiency-at-instagram-with-python-4976d078e366).

- Netflix - [Python at Netflix](https://netflixtechblog.com/python-at-netflix-86b6028b3b3e).

- Pinterest - [Python included](https://stackshare.io/pinterest/pinterest).

- Spotify - [How we use Python at Spotify](https://engineering.atspotify.com/2013/03/how-we-use-python-at-spotify/).

- Reddit - [Why Reddit uses Python](https://brainsik.net/2009/why-reddit-uses-python/).

- Dropbox - [How Python Powers Dropbox](https://www.pythonpeople.nl/how-python-powers-dropbox/).

---

### Exemplos de utilização do Python

- Fonte: ESO/José Francisco Salgado (josefrancisco.org), EHT Collaboration.

<div class="figure" style="text-align: center">
<img src="img/sagitarioA.jpeg" alt="Figura 2: Atacama Large Millimeter/submillimeter Array (ALMA) observando a Via Láctea. Destacado na caixa, vemos a primeira imagem do buraco negro supermassivo que encontra-se no centro da Via Láctea, o qual foi produzido pelo time de pesquisa Event Horizon Telescope (EHT) Collaboration." width="70%" />
<p class="caption">Figura 2: Atacama Large Millimeter/submillimeter Array (ALMA) observando a Via Láctea. Destacado na caixa, vemos a primeira imagem do buraco negro supermassivo que encontra-se no centro da Via Láctea, o qual foi produzido pelo time de pesquisa Event Horizon Telescope (EHT) Collaboration.</p>
</div>
---
class: inverse, middle, center
## IDE - Ambiente de Desenvolvimento Integrado
---

### O que é uma IDE?

> "O ambiente de desenvolvimento integrado (IDE do inglês Integrated Development Environment), é uma ferramenta de desenvolvimento para editar o código, acessar um terminal, executar um script , debugar e compilar usando um único ambiente".
>
> -- <cite>Alura, [O que é uma IDE?](https://www.alura.com.br/artigos/o-que-e-uma-ide#:~:text=O%20ambiente%20de%20desenvolvimento%20integrado,compilar%20usando%20um%20%C3%BAnico%20ambiente.)</cite>

- São usadas com a ideia de aumentar a produtividade do trabalho.

- São construídas tendo como base uma interface gráfica de usuário (GUI), com intuito de facilitar a comunicação entre usuário e máquina.
---

### 21 Ambientes de desenvolvimento populares

- Fonte: [Stack Overflow Annual Developer Survey](https://survey.stackoverflow.co/2022/#most-popular-technologies-new-collab-tools).

<div class="figure" style="text-align: center">
<img src="img/21ide.jpeg" alt="Figura 3: Os 21 ambientes de desenvolvimento mais populares em 2022." width="38%" />
<p class="caption">Figura 3: Os 21 ambientes de desenvolvimento mais populares em 2022.</p>
</div>
---

### RStudio

- É uma IDE feita para a linguagem R.

- Maior parte dos usuários de R Utilizam o RStudio.

- Possui interface intuitiva para usuários iniciantes.

---
class: inverse, middle, center
## Python no RStudio
---
### Como posso instalar o R?

- Um tutorial de minha autoria foi realizado em formato de post no Blog do OOBr. O post é constituído não apenas do tutorial de instalação, ele também inclui dicas e links para direcionar o leitor no aprendizado da linguagem. O conteúdo encontra-se em [Iniciando na linguagem R](https://observatorioobstetricobr.org/livro-e-tutoriais/iniciando-r/).

### O que devo saber antes de instalar o Python?

- O Python pode ser instalado diretamente na máquina de diversas formas, mas embora o processo de instalação seja simples, fazer o Python rodar sem problemas pode não ser algo trivial.

- Usuários de Python constantemente enfrentam problemas de retrocompatibilidade devido ao rápido avanço da linguagem e mudança de versões.

- Programas podem subitamente pararem de funcionar caso não houver o devido cuidado com a(s) versão(ões) do Python e dos pacotes sendo utilizados.

- Tanto o R quanto o Python são linguagens multiplataforma.
---

### O que são ambientes virtuais?

- A grosso modo, ambientes são uma junção da(s) versão(ões) da linguagem em questão e dos pacotes utilizados.

- Um ambiente virtual nada mais é do que um espaço isolado que serve para controlar versões da linguagem e dos pacotes utilizados no programa ou projeto, evitando problemas de retrocompatibilidade.

### O que é Conda?

- O Conda é um gerenciador de pacotes, dependências e ambientes para diversas linguagens. É mais conhecido quando se trata de Python exatamente pelos problemas de versões que essa linguagem possui.

- O Anaconda é uma distribuição otimizada do Python que carrega o Conda completo e inclui diversos pacotes focados em ciência de dados. O Conda possui repositório próprio, sendo importante considerar essa informação ao procurar soluções para eventuais erros durante a utilização do Python.

- O Miniconda é uma versão leve que considera a instalação mínima do Conda e apenas pacotes básicos.

---

### Reticulate

- É um pacote que permite conectar o R com o Python.

- Extremamente útil para times que usam ambas as linguagens.

- Possibilita o uso de funcionalidades que a princípio eram exclusivas à outra linguagem.

- Criar pacotes para o R que utilizam o Python passa ser uma possibilidade.

### Como instalar o Reticulate?

- A instalação é simples e pode ser feita como qualquer outro pacote do R.

```r
# Basta rodar o codigo abaixo no console do RStudio
install.packages("reticulate")
```
---

### Como instalar o Python no RStudio?

- Iremos instalar o Miniconda, pois além de incluir o Python, também inclui a capacidade de instalação e gerenciamento de pacotes do Conda.

- Primeiro devemos carregar o pacote **reticulate** no console do RStudio. Caso for a primeira vez em que a instalação está sendo feita, ao tentar carregar o reticulate, o R irá perguntar se queremos instalar o Miniconda, basta seguir suas instruções.

```r
# Carregue o reticulate
library("reticulate")
```

```r
# Formas alternativas

## Instala o Miniconda manualmente
install_miniconda()

## Instala o Python que se encontra no sistema do usuário 
##(caso existir) e inicializa  no R
py_available(initialize = TRUE)
```
---

### Configurando um ambiente virtual

- Iremos utilizar o ambiente virtual padrão **r-reticulate** para evitar qualquer possível problema que possa ocorrer ao utilizar qualquer outro ambiente.

```r
# Cria o ambiente virtual r-reticulate (rodar uma única vez)
conda_create("r-reticulte")

# Ativa o ambiente chamado r-reticulate (rodar a cada nova sessão)
use_condaenv("r-reticulte")

# Verifica as configurações do ambiente (versão do Python, pacotes, etc) 
py_discover_config()
```

---
class: inverse, middle, center

## Conceitos básicos de programação em Python

---

### O que são paradigmas de programação?

- São estruturas a se seguir ou formas de pensar em como o código será feito.

- Escolher um paradigma irá garantir a consistencia na metodologia durante todo o trabalho, e irá aumentar a produtividade.

- Embora o Python seja multiparadigma, a programação orientada a objetos é o paradigma dominante nessa linguagem.

### O que é programação orientada a objetos?

- O objeto é o foco.

- O objeto se encaixa em um "molde" chamado de classe.

- O objeto terá atributos comuns aos objetos da classe a qual pertence.

- Objetos de uma determinada classe possuem "abilidades" chamadas de métodos.

---

### Exemplo 1

- Fonte: [Alura - o que é programação orientada a objetos?](https://www.alura.com.br/artigos/poo-programacao-orientada-a-objetos).

<div class="figure" style="text-align: center">
<img src="img/oriendadoobjeto.jpeg" alt="Figura 4: Exemplificação do conceito de orientação a objetos." width="50%" />
<p class="caption">Figura 4: Exemplificação do conceito de orientação a objetos.</p>
</div>
---

### Exemplo 2

#### Lógica orientada a objetos no Python

```python
# carrega o modulo "arqueiro" 
import arqueiro

# objeto: legolas arqueiro 
legolas = arqueiro.iniciar()

# abilidade "chuva de flechas"
legolas.chuva_de_flechas() 
```

#### Lógica no R

```r
# Lógica no R

# carrega o pacote "arqueiro"
library("arqueiro")

# função "chuva de flechas"
chuva_de_flechas() 
```
---

### Detalhes que devemos lembrar

- Um **módulo** é um pacote ou biblioteca que contém funcionalidades que podem ser importadas para a sessão do Python, similar aos pacotes do R.

- Com **import** podemos carregar um módulo em nossa sessão do Python.

- Um **método** é uma função que mora dentro de um objeto, como se fosse uma abilidade que o objeto pode usar.

- O que o **.** faz é acessar todos os métodos disponíveis daquele objeto para que possamos escolher qual queremos utilizar.

- Utilizamos **=** para atribuir ou criar um objeto, similar ao **<-** utilizado no R.

- No Python precisamos deixar explícito o objeto ao utilizar um método.

- Também existem funções no Python, mas diferente dos métodos, elas são externas aos objetos. **help()** e **type()** são exemplos de funções.
---

### Objetos do tipo texto (String)

```python
# cria um objeto na classe string
objeto_texto = "Samurai-X9"
```

#### Alguns exemplos de métodos str

```python
objeto_texto.replace("-", " ") # substitui str1 por str2
```

```
## 'Samurai X9'
```

```python
objeto_texto.upper() # deixa a string em forma maíuscula
```

```
## 'SAMURAI-X9'
```

```python
objeto_texto.count("a") # Quantidade de 'a' na string
```

```
## 2
```
---

#### Como obter a string "SAMURAI X" a partir de "Samurai-X9"?

```python
# forma 1
objeto_texto2  = objeto_texto.replace("-", " ")
objeto_texto3 = objeto_texto2.replace("9", "")
objeto_texto3.upper()
```

```
## 'SAMURAI X'
```

```python
# forma 2: Método chaining (encadeamento)
(objeto_texto.
    replace("-", " ").
    replace("9", "").
    upper())
```

```
## 'SAMURAI X'
```

---

### Objetos do tipo numérico (int, float, complex)

.pull-left[

```python
# cria um objeto do tipo inteiro
objeto_int = 2
# cria um objeto do tipo float
objeto_float = 2.5
# cria um objeto do tipo complexo
objeto_complex = (-2)**(1/2)
```

```python
# Exemplo 
letra = "aa"
letra.count("a") + objeto_int
```

```
## 4
```

```python
# Saida do objeto complexo
objeto_complex
```

```
## (8.659560562354934e-17+1.4142135623730951j)
```

]

.pull-right[
- Obs: O operador **+** pode ser usado tanto para soma quanto para concatenação.

<div class="figure" style="text-align: center">
<img src="img/operadorespython.jpeg" alt="Tabela 1: Operadores matemáticos do Python." width="50%" />
<p class="caption">Tabela 1: Operadores matemáticos do Python.</p>
</div>
]
---

### Objetos do tipo lista

- Listas podem ser feitas ao utilizar **[]**, onde suporta objetos de tipos diferentes.

```python
# Exemplo
objeto_lista1 = ["Drag", 0]
objeto_lista2 = ["n Ball"]

## concatena as duas listas
DragonBall = objeto_lista1 + objeto_lista2
DragonBall
```

```
## ['Drag', 0, 'n Ball']
```

#### Selecionar objetos da lista

```python
DragonBall[0]
```

```
## 'Drag'
```

```python
DragonBall[0:2]
```

```
## ['Drag', 0]
```

---

#### Conceito IN PLACE

- É muito comum métodos que fazem alterações diretas no objeto assim que utilizado, o que significa que são métodos **IN PLACE**.

- Deve se ter o devido cuidado ao se utilizar tais métodos, principalmente ao trabalhar com base de dados.

- Quando o comando não retorna nenhuma resposta, é um sinal de que está ocorrendo alguma modificação IN PLACE no objeto em questão.

```python
## Exemplo
DragonBall
```

```
## ['Drag', 0, 'n Ball']
```

```python
## concatena a lista DragonBall com "Z"
DragonBall.append("Z")
DragonBall
```

```
## ['Drag', 0, 'n Ball', 'Z']
```
---
class: inverse, middle, center

## Manipulação de bases de dados: Python vs. R

---

## Como obter o comportamento vetorial do R no Python?

- O R é extremamente versátil quando se trata de vetores, nos permitindo realizar vários tipos de operações entre eles elemento a elemento.

- Podemos obter um comportamento similar no Python ao combinar listas com o método array do módulo **Numpy**.

- Numpy é uma biblioteca com ferramentas de cálculo numérico. Possui funcionalidades focadas em matrizes multidimensionais, também chamadas de arrays.

- Mesmo que sejamos capaz de imitar esse comportamento vetorial dentro do Python, a característica de **reciclagem** que existe no R ainda fica em falta no Python.

---

### Exemplo

```python
# Carrega módulo numpy adotando o nome np
import numpy as np

## cria vetores a partir de listas
vetor1 = np.array([1, 2, 3])
vetor2 = np.array([4, 3, 2])
```

#### Aplicando operações

.pull-left[

```python
vetor1 + vetor2
```

```
## array([5, 5, 5])
```

```python
vetor1 * vetor2
```

```
## array([4, 6, 6])
```
]
.pull-right[

```python
vetor1 - vetor2
```

```
## array([-3, -1,  1])
```

```python
vetor1 ** vetor2
```

```
## array([1, 8, 9])
```
]
---

### Exemplo

#### Exemplos de métodos

.pull-left[

```python
vetor1
```

```
## array([1, 2, 3])
```

```python
vetor1.mean() # Media 
```

```
## 2.0
```

```python
vetor1.std() # Desvio Padrao
```

```
## 0.816496580927726
```
]
.pull-right[

```python
vetor1.min() # Minimo
```

```
## 1
```

```python
vetor1.max() # Maximo
```

```
## 3
```
]

---

### Exemplo

#### reciclagem

```python
vetor_s2 = np.array([1, 2])
vetor_s4 = np.array([1, 2, 3, 4])

vetor_s2 + vetor_s4
```

```
## Error in py_call_impl(callable, dots$args, dots$keywords): ValueError: operands could not be broadcast together with shapes (2,) (4,)
```

```python
# No R o vetor_s2 viraria [1, 2, 1, 2] 
# resultando em [2, 4, 4, 6]
```

---

### Biblioteca Pandas

- O Pandas é uma biblioteca com foco em manipulação de dados, similar ao dplyr do R.

- Com objetivo de mostrar algumas funcionalidades básicas do Pandas, irei utilizar os dados de crianças de até 28 dias de vida e que foram internadas confirmadas com SRAG, sendo registros de casos dos anos de 2017 à 2022 com a última atualização do dia 28 de Janeiro de 2022.

- O Pandas assim como o Python no geral, tendem a fazer o possível para rodar o que foi requerido sem medir possíveis consequências, fazendo com que ações indesejadas pelo usuário sejam realizadas pelo próprio Python de forma implícita. Um exemplo disso são os dados faltantes **NaN**, em que costumam ser excluídos sem aviso dependendo do método sendo utilizado.

```python
import pandas as pd

# Carrega base de dados
dados = pd.read_csv("dados28dias.csv", encoding = "ISO-8859-1")

# Nomes das colunas da base de dados
dados.columns.values.tolist()
```

```
## ['ano', 'HOSPITAL', 'CLASSI_FIN', 'raca', 'sexo', 'antiviral', 'dias_nasc_inter', 'febre', 'tosse', 'uti', 'hospital', 'evolucao']
```

---

#### Ordernar linhas (sort_values vs. arrange)

```python
# Ordena as linhas no Python (equivalente ao arrange() do dplyr)
(dados.
    sort_values(["ano"], ascending = [True]) # crescente por ano
    )
```

```
##         ano  HOSPITAL  CLASSI_FIN    raca  ... tosse  uti  hospital evolucao
## 0      2017       1.0         4.0   parda  ...   sim  sim       sim     Cura
## 886    2017       1.0         4.0  branca  ...   sim  não       sim     Cura
## 885    2017       1.0         2.0   parda  ...   sim  não       sim     Cura
## 884    2017       1.0         4.0  branca  ...   sim  sim       sim     Cura
## 883    2017       1.0         4.0     NaN  ...   sim  não       sim     Cura
## ...     ...       ...         ...     ...  ...   ...  ...       ...      ...
## 14444  2022       1.0         4.0  branca  ...   não  não       sim     Cura
## 15035  2022       1.0         4.0   parda  ...   NaN  não       sim     Cura
## 18355  2022       1.0         4.0  branca  ...   sim  sim       sim     Cura
## 16376  2022       1.0         4.0     NaN  ...   sim  não       sim     Cura
## 13169  2022       1.0         2.0   parda  ...   sim  não       sim     Cura
## 
## [19535 rows x 12 columns]
```

---

#### Selecionar colunas/linhas (filter vs. select)

```python
# Inclui seleção de colunas no Python (equivalente ao select() do dplyr)
(dados.
    sort_values(["ano"], ascending = [True]). 
    filter(["ano", "HOSPITAL", "evolucao"]). # seleção de colunas
    head()
    )
```

```
##       ano  HOSPITAL evolucao
## 0    2017       1.0     Cura
## 886  2017       1.0     Cura
## 885  2017       1.0     Cura
## 884  2017       1.0     Cura
## 883  2017       1.0     Cura
```

```python
# Seleção de linhas por índices com filter 
(dados.
    sort_values(["ano"], ascending = [True]).
    filter(["ano", "HOSPITAL", "evolucao"]).
    filter([885], axis = "index"). # linhas de índice 885
    head()
    )
    
```

```
##       ano  HOSPITAL evolucao
## 885  2017       1.0     Cura
```
---

#### Filtragem por linhas (query vs. filter)

```python
# Inclui filtro por linha no Python (equivalente ao filter() do dplyr)
(dados.
    sort_values(["ano"], ascending = [True]).
    filter(["ano", "HOSPITAL", "evolucao"]).
    query("HOSPITAL == 1") # linhas de HOSPITAL == 1
    )
    
```

```
##         ano  HOSPITAL evolucao
## 0      2017       1.0     Cura
## 886    2017       1.0     Cura
## 885    2017       1.0     Cura
## 884    2017       1.0     Cura
## 883    2017       1.0     Cura
## ...     ...       ...      ...
## 14444  2022       1.0     Cura
## 15035  2022       1.0     Cura
## 18355  2022       1.0     Cura
## 16376  2022       1.0     Cura
## 13169  2022       1.0     Cura
## 
## [19533 rows x 3 columns]
```
---

#### Filtragem por linhas (query vs. filter)

<div class="figure" style="text-align: center">
<img src="img/query1.jpeg" alt="Tabela 2: Operadores lógicos do query." width="40%" />
<p class="caption">Tabela 2: Operadores lógicos do query.</p>
</div>

.pull-left[
<div class="figure" style="text-align: center">
<img src="img/query2.jpeg" alt="Tabela 3: Operadores condicionais do query." width="50%" />
<p class="caption">Tabela 3: Operadores condicionais do query.</p>
</div>
]
.pull-right[
<div class="figure" style="text-align: center">
<img src="img/query3.jpeg" alt="Figura 5: Cuidados com o query." width="50%" />
<p class="caption">Figura 5: Cuidados com o query.</p>
</div>
]
---

#### Criando novas colunas (assign vs. mutate)

```python
# Casos que foram internados
df_internados = (dados.
    sort_values(["ano"], ascending = [True]).
    filter(["ano", "HOSPITAL", "evolucao"]).
    query("HOSPITAL == 1")
    )

# Inclui coluna com assign (equivalente ao mutate do dplyr)    
df_internados.assign(colunaNova = df_internados.ano)
```

```
##         ano  HOSPITAL evolucao  colunaNova
## 0      2017       1.0     Cura        2017
## 886    2017       1.0     Cura        2017
## 885    2017       1.0     Cura        2017
## 884    2017       1.0     Cura        2017
## 883    2017       1.0     Cura        2017
## ...     ...       ...      ...         ...
## 14444  2022       1.0     Cura        2022
## 15035  2022       1.0     Cura        2022
## 18355  2022       1.0     Cura        2022
## 16376  2022       1.0     Cura        2022
## 13169  2022       1.0     Cura        2022
## 
## [19533 rows x 4 columns]
```

---
class: inverse, middle, center

### Python em R Markdown e visualização de dados com Seaborn
---

### O que é R Markdown?

> "Intuitivamente, o “R” de RMarkdown vem da linguagem de programação R e o “Markdown” está relacionado com a linguagem de marcação do tipo markdown, que por sua vez informa apenas sobre a estrutura (conjunto de marcações) do projeto. Logo, RMarkdown nada mais é do que códigos R (no caso em que a programação é feita com R) incorporados em um arquivo markdown."
>
> -- <cite>OOBr, [Relatórios com RMarkdown](https://observatorioobstetricobr.org/livro-e-tutoriais/relatorios-com-rmarkdown/)</cite>

- Arquivos R Markdown possuem o formato **.Rmd**. Esse formato é extremamente versátil, permitindo a inclusão de textos e códigos ao mesmo tempo no mesmo arquivo.

### O que é o Seaborn?

- Seaborn é uma biblioteca voltada para a construção de gráficos em Python. Além disso, tem como base outra biblioteca chamada matplotlib.

- Seaborn foi criado com intuito de facilitar a construção de gráficos para quem trabalha com dados. É dependente dos argumetos disponíveis, fazendo com que customizações mais elaboradas necessitem ser feitas no matplotlib.
---
class: inverse, middle

.center[
## <br>Obrigado!
]

.pull-left[
<div class="figure" style="text-align: center">
<img src="img/butantan.png" alt="Foto: OOBr no Instituto Butantan." width="100%" />
<p class="caption">Foto: OOBr no Instituto Butantan.</p>
</div>
]

.pull-right[
<br><br>OOBr na web:

# ZOOM nas imagem por click do mouse