Forem: Ryan Marinho

Tipos Primitivos em Python

Ryan Marinho — Sat, 01 Nov 2025 16:10:11 +0000

Há pouco tempo comecei a estudar Python porque preciso usar as bibliotecas para trabalhar com Dados e com isso estou aprendendo aos poucos a programar, hoje estarei colocando o que aprendi sobre os tipos primitivos da linguagem para vocês, espero que possa ajudar algum outro iniciante.

Mas o que seria um dado primitivo?
Tipos primitivos são dados básicos que podem ser manipulados em uma variável, trarei alguns exemplos.

altura = 1.81

Na string acima tem a minha altura, que é uma variável nomeada como altura contendo um valor, o dado atribuído é 1.81, sendo um valor com 2 casas decimais. O tipo deste dado é o tipo real ou float em Python e em diversas outras linguagens.

Outro exemplo:

nome = ‘ryan’

Vimos agora que o valor acima não é um número float, agora é um dado tipo string, é um tipo que recebe entradas alfanuméricas, podendo ser usados letras, números e símbolos.
Diante disto, vamos ao que importa: os tipos primitivos:

Int = inteiro, o nome já diz, podendo ser usados dos negativos aos positivos, exemplo = (-2,-1,0,1,2,3,4)
float = ponto flutuante, números com casa decimais, exemplo = (altura = 1.81)
bool = booleano, retorna true (verdadeiro) ou false (falso)
string = são coleções de letras, palavras ou outros caracteres. Em Python, você pode criar strings delimitando uma sequência de caracteres com um par de aspas simples ou duplas. Exemplo: ‘o flamengo ganhou 3 libertadores’

Para conferirmos, podemos codar um pouco:

`nome = input('Qual o seu nome? ') 
idade = input('Qual a sua idade? ')
altura = input('Qual a sua altura? ')
humano = input("Você é humano? ")

print(nome, idade, altura, humano)
print('nome', nome.isalpha())
print('idade', idade.isnumeric())
# Verificar se a altura é um número float
try:
    float(altura)
    print('altura:', True)
except ValueError:
    print('altura:', False)
# Verificar se a resposta é booleana
print('humano:', humano.lower() in ['true', 'false'])
`

Observação: coloquei o input para caso você queira copiar e testar com seus dados em seu console.

O código acima retornou o seguinte:

Qual o seu nome? Ryan
Qual a sua idade? 2
Qual a sua altura? 1.81
Você é humano? sim
Ryan 2 1.81 sim
nome True
idade True
altura: True
humano: True

Para reproduzir no navegador, utilize o Programiz em Python.

Entenda os JOINS no SQL e como aplicar certo tipo para cada cenário

Ryan Marinho — Mon, 20 Oct 2025 18:32:58 +0000

No mundo dos dados, trabalhar com várias tabelas é rotina. Mas como “ligar” essas tabelas de forma correta? É aí que entram os JOINs.

O que é um JOIN?
Um JOIN combina dados de duas ou mais tabelas com base em uma coluna comum — normalmente uma chave primária em uma tabela e uma chave estrangeira em outra. Isso permite consultas que reúnem informações de forma eficiente.

Principais tipos de JOINs e suas diferenças

INNER JOIN: retorna apenas os registros que têm correspondência em ambas as tabelas.
LEFT JOIN: garante todos os registros da tabela à esquerda + os correspondentes da tabela à direita (ou NULL se não houver).
RIGHT JOIN: garante todos os registros da tabela à direita + os correspondentes da tabela à esquerda (ou NULL se não houver).
FULL JOIN: inclui todos os registros de ambas as tabelas, com correspondência ou não, e preenche com NULL onde não houver.
CROSS JOIN: combina cada linha da primeira tabela com cada linha da segunda — uso raro, mas importante entender.

Por que entender isso importa?
Escolher o tipo de JOIN correto evita resultados incorretos ou dados faltantes. Além disso, melhora desempenho e clareza das queries.

Pronto para aplicar no próximo relatório ou modelo de dados?

SQL #DataAnalytics #Database #SQLJoins #Tech #DesenvolvimentoDeDados #BusinessIntelligence #ConsultaSQL #Dados

Fundamentos dos Bancos de Dados: conceitos essenciais para iniciantes

Ryan Marinho — Mon, 21 Jul 2025 01:36:22 +0000

Os bancos de dados são a espinha dorsal de qualquer sistema que manipula informações. Eles permitem organizar, armazenar e recuperar dados de forma eficiente e segura, atendendo às mais diversas necessidades de empresas, aplicações e usuários.

Existem vários modelos de bancos de dados, cada um com características próprias. O modelo hierárquico organiza os dados como uma árvore, com registros dispostos em níveis. O modelo em rede liga registros de forma flexível, permitindo múltiplas conexões. Já o relacional, o mais comum, representa os dados em tabelas compostas por linhas e colunas, sim, parecido com as tabelas do Excel. Por fim, o modelo orientado a objetos combina dados com comportamentos, armazenando-os como objetos completos.

Para administrar essas estruturas, utilizamos os Sistemas Gerenciadores de Bancos de Dados (SGBDs), softwares responsáveis por gerenciar e proteger os dados. Alguns exemplos populares são: Microsoft Access, LibreOffice Base, Microsoft SQL Server, MySQL e dBase.

A principal linguagem utilizada para interagir com bancos relacionais é a SQL (Structured Query Language), que permite criar tabelas, inserir, alterar, excluir e consultar dados com precisão.

No coração de um banco de dados relacional estão as chaves, que garantem a integridade e a relação entre tabelas. A chave primária (Primary Key) identifica de forma única cada registro. A chave estrangeira (Foreign key) conecta uma tabela à outra apontando para a chave primária correspondente. Já a chave composta combina mais de um campo para formar uma identificação única, enquanto a chave secundária facilita buscas e filtragens específicas.

Os relacionamentos entre tabelas também são fundamentais:

Um para um (1:1): um registro em uma tabela corresponde a um único registro em outra.
Um para muitos (1:n): um registro em uma tabela está associado a vários registros em outra.
Muitos para muitos (m:n): registros de ambas as tabelas se relacionam com vários registros da outra, geralmente por meio de uma tabela intermediária.

Compreender esses conceitos é o primeiro passo para trabalhar com bancos de dados de maneira eficiente e profissional. Dominar essas bases é fundamental para projetar sistemas que garantam consistência, desempenho e escalabilidade para os dados.