Linguagem de

Programação
Estruturas de dados em Python

Prof.ª Elisa Antolli

Unidade de Ensino: 02
• Competência da Unidade: Conhecer a linguagem de programação
Python
• Resumo: Saber utilizar modelos de estrutura de dados na
linguagem Python.
• Palavras-chave: Algoritmos; Python; Ordenação; Estrutura de
dados; Busca.
• Título da Teleaula: Linguagem de programação: Estrutura de
dados em Python
• Teleaula nº: 02
Estrutura de dados em Python
Em Python existem objetos em que podemos armazenar mais de um valor,
aos quais damos o nome de estruturas de dados.

Tudo em Python é um objeto. Já conhecemos alguns tipos de objetos em

Python, tais como o int (inteiro), o str (string), o float (ponto flutuante). Os
tipos de estruturas de dados: listas, tuplas, conjuntos, dicionário e matriz.

Vamos estudar esses objetos na seguinte ordem:

• Objetos do tipo sequência: texto, listas e tuplas.
• Objetos do tipo set (conjunto).
• Objetos do tipo mapping (dicionário).
• Objetos do tipo array NumPy.
Estrutura de dados em Python
• Linguagem de programação: Estrutura de dados em Python

• Estrutura de dados

• Algoritmos de busca

• Algoritmos de ordenação
Linguagem de
programação:
Estrutura de dados
em Python
Estrutura de dados em Python
Objetos do tipo sequência

Essas estruturas de dados representam sequências finitas

indexadas por números não negativos.

O primeiro elemento de uma sequência ocupa o índice 0;

o segundo, 1; o último elemento, a posição n -1, em que
n é capacidade de armazenamento da sequência.
Estrutura de dados em Python
Objetos do tipo sequência

Ex.: Sequência de caracteres.

Um texto é um objeto da classe str (strings), que é um tipo de
sequência. Os objetos da classe str possuem todas as operações,
mas são objetos imutáveis, razão pela qual não é possível atribuir
um novo valor a uma posição específica.
Estrutura de dados em Python
Na entrada 1, usamos algumas operações das sequências.
A operação len() permite saber o tamanho da sequência.
Objetos do tipo sequência O operador 'in', por sua vez, permite saber se um determinado valor está
ou não na sequência.
O operador count permite contar a quantidade de ocorrências de um valor.
E a notação com colchetes permite fatiar a sequência, exibindo somente
Ex.: Sequência de caracteres. partes dela. Na linha 6, pedimos para exibir da posição 0 até a 5, pois o
valor 6 não é incluído

Fonte: elaborado pelo autor.

Estrutura de dados em Python

Por meio da estrutura de repetição, imprimimos cada

elemento da lista juntamente com seu índice. Veja que a As listas possuem diversas funções, além das
operações já mencionadas. Na documentação
sequência possui a função index, que retorna a posição oficial (PSF, 2020b) você encontra uma lista
completa com todas as operações possíveis
de um valor na sequência.

Fonte: elaborado pelo autor.

Estrutura de dados em Python
Vamos falar agora sobre a função split(), usada para "cortar" um
texto e transformá-lo em uma lista. Essa função pode ser usada sem
nenhum parâmetro: texto.split(). Nesse caso, a string será cortada a
cada espaço em branco que for encontrado. Caso seja passado um
parâmetro: texto.split(","), então o corte será feito no parâmetro
especificado.

Fonte: elaborado pelo autor.

Estrutura de dados em Python
List comprehension (Compreensões de lista)

A list comprehension, também pode ser chamada de listcomp.

Esse tipo de técnica é utilizada quando, dada uma sequência, deseja-
se criar uma nova sequência, porém com as informações originais
transformadas ou filtradas por um critério.
Estrutura de dados em Python
Lista
É uma estrutura de dados do tipo sequencial que possui como principal característica
ser mutável. Ou seja, novos valores podem ser adicionados ou removidos da
sequência. Em Python, as listas podem ser construídas de várias maneiras:
• Usando um par de colchetes para denotar uma lista vazia:
lista1 = []
• Usando um par de colchetes e elementos separados por vírgulas:
lista2 = ['a', 'b', 'c']
• Usando uma "list comprehension":
[x for x in iterable]
• Usando o construtor de tipo:
list()
Estrutura de dados em Python

Fonte: elaborado pelo autor.

Fonte: elaborado pelo autor.

Estrutura de dados em Python
Funções map() e filter()

Funções built-in que são usadas por esse tipo de estrutura de

dados: map() e filter().

A função map() é utilizada para aplicar uma determinada função

em cada item de um objeto iterável.

Para que essa transformação seja feita, a função map() exige que
sejam passados dois parâmetros: a função e o objeto iterável.
Estrutura de dados em Python

Fonte: elaborado pelo autor.

Fonte: elaborado pelo autor.

Estrutura de dados em Python
A função range() cria um objeto numérico iterável. Então usamos o
construtor list() para transformá-lo em uma lista com números, que
variam de 0 a 20. Lembre-se de que o limite superior do argumento
da função range() não é incluído. Na linha 3, criamos uma nova lista
com a função filter, que, com a utilização da expressão lambda,
retorna somente os valores pares.
Estrutura de dados em Python
Tuplas
A grande diferença entre listas e tuplas é que as primeiras são
mutáveis, razão pela qual, com elas, conseguimos fazer atribuições a
posições específicas: por exemplo, lista[2] = 'maça'.

Por sua vez, nas tuplas isso não é possível, uma vez que são objetos
imutáveis.
Estrutura de dados em Python
Em Python, as tuplas podem ser construídas de três maneiras:
Usando um par de parênteses para denotar uma tupla vazia:
tupla1 = ()
Usando um par de parênteses e elementos separados por vírgulas:
tupla2 = ('a', 'b', 'c')
Usando o construtor de tipo:
tuple()
Estrutura de dados em Python
“Não vi diferença nenhuma entre usar lista e usar tupla".

Em alguns casos, mais de uma estrutura realmente pode resolver o problema, mas em outros não.
Como a tupla é imutável, sua utilização ocorre em casos nos quais a ordem dos elementos é
importante e não pode ser alterada, já que o objeto tuple garante essa característica. A função
enumerate(), que normalmente usamos nas estruturas de repetição, retorna uma tupla cujo
primeiro elemento é sempre o índice da posição e cujo segundo elemento é o valor em si.

Fonte: elaborado pelo autor.

Estrutura de dados em Python
Objetos do tipo Set

A tradução "conjunto" para set nos leva diretamente à essência

desse tipo de estrutura de dados em Python. Um objeto do tipo set
habilita operações matemáticas de conjuntos, tais como: união,
intersecção, diferença, etc. Esse tipo de estrutura pode ser usado,
portanto, em testes de associação e remoção de valores duplicados
de uma sequência (PSF, 2020c).
Estrutura de dados em Python
Objetos do tipo Set

Das operações que já conhecemos sobre sequências, conseguimos

usar nessa nova estrutura:

Fonte: elaborado pelo autor.

Estrutura de dados em Python
Além dessas operações, podemos adicionar um novo elemento a um
conjunto com a função add(valor). Também podemos remover com
remove(valor). Em Python, os objetos do tipo set podem ser
construídos destas maneiras:
Usando um par de chaves e elementos separados por vírgulas:
set1 = {'a', 'b', 'c'}
Usando o construtor de tipo:
set(iterable)
Estrutura de dados em Python
Objetos do tipo mapping

As estruturas de dados que possuem um mapeamento entre uma

chave e um valor são consideradas objetos do tipo mapping. Em
Python, o objeto que possui essa propriedade é o dict (dicionário).
Uma vez que esse objeto é mutável, conseguimos atribuir um novo
valor a uma chave já existente.
Estrutura de dados em Python
Podemos construir dicionários em Python das seguintes maneiras:

Usando um par de chaves para denotar um dict vazio:

dicionario1 = {}
Usando um par de elementos na forma chave : valor, separados por
vírgulas:
dicionario2 = {'one': 1, 'two': 2, 'three': 3}

Usando o construtor de tipo:

dict()
Estrutura de dados em Python
Não é possível criar um set vazio, com set = {}, pois essa é a forma
de construção de um dicionário.

Para construir com utilização da função set(iterable),

obrigatoriamente temos de passar um objeto iterável para ser
transformado em conjunto.

Esse objeto pode ser uma lista, uma tupla ou até mesmo uma string
(que é um tipo de sequência).
Estrutura de dados em Python

Fonte: elaborado pelo autor.

Estrutura de dados em Python Sem dúvida, o NumPy é a biblioteca mais
poderosa para trabalhar com dados tabulares
(matrizes), além de ser um recurso essencial
para os desenvolvedores
científicos, como os que desenvolvem soluções
Objetos do tipo array NumPy de inteligência artificial para imagens.

O caso da biblioteca NumPy, criada especificamente para

a computação científica com Python. O NumPy contém,
entre outras coisas:
• Um poderoso objeto de matriz (array) N-dimensional.
• Funções sofisticadas.
• Ferramentas para integrar código C/C++ e Fortran.
• Recursos úteis de álgebra linear, transformação de
Fourier e números aleatórios.
Estrutura de dados em Python
Algoritmos de busca:
parte 1
Algoritmos de busca
Esse universo, como o nome sugere, os algoritmos resolvem problemas
relacionados ao encontro de valores em uma estrutura de dados.
Em Python, temos a operação "in" ou "not in" usada para verificar se um
valor está em uma sequência.

Fonte: elaborado pelo autor.

Usamos o operador in para verificar se dois nomes constavam na lista. No

primeiro, obtivemos True; e no segundo, False.
Algoritmos de busca
Busca linear (ou Busca Sequencial)

Percorre os elementos da sequência procurando aquele de destino, começa

por uma das extremidades da sequência e vai percorrendo até encontrar (ou
não) o valor desejado. Pesquisa linear examina todos os elementos da
sequência até encontrar o de destino, o que pode ser muito custoso
computacionalmente.

Para implementar a busca linear, vamos precisar de uma estrutura de

repetição (for) para percorrer a sequência, e uma estrutura de decisão (if)
para verificar se o valor em uma determinada posição é o que procuramos.
Algoritmos de busca

Fonte: elaborado pelo autor.

Criamos a função "executar_busca_linear", que recebe uma lista e

um valor a ser localizado.

Na linha 2, criamos a estrutura de repetição, que percorrerá cada

elemento da lista pela comparação com o valor buscado (linha 3).

Caso este seja localizado, então a função retorna o valor booleano

True; caso não seja encontrado, então retorna False.
Algoritmos de busca
Nossa função é capaz de determinar se um valor está ou não
presente em uma sequência, certo? E se, no entanto, quiséssemos
também saber sua posição na sequência?
Em Python, as estruturas de dados do tipo sequência possuem a
função index(), que é usada da seguinte forma:
sequencia.index(valor)

A função index() espera como parâmetro o valor a ser procurado na

sequência.
Algoritmos de busca

Fonte: elaborado pelo autor.

Algoritmos de busca:
parte 2
Algoritmos de busca
Complexidade
Em termos computacionais, um algoritmo é considerado melhor que o outro
quando, para a mesma entrada, utiliza menos recursos computacionais em
termos de memória e processamento.
Estudo da viabilidade de um algoritmo, em termos de espaço e tempo de
processamento, é chamado de análise da complexidade do algoritmo.

Análise da complexidade é feita em duas dimensões: espaço e tempo.

Podemos, então, concluir que a análise da complexidade de um algoritmo
tem como um dos grandes objetivos encontrar o comportamento do
algoritmo (a função matemática) em relação ao tempo de execução para o
pior caso, ao que chamamos de complexidade assintótica.
Algoritmos de busca
Busca binária

Outro algoritmo usado para buscar um valor em uma

sequência é o de busca binária. A primeira grande
diferença entre o algoritmo de busca linear e o algoritmo
de busca binária é que, com este último, os valores
precisam estar ordenados
Algoritmos de busca
Busca binária
A lógica é a seguinte:
• Encontra o item no meio da sequência (meio da lista).
• Se o valor procurado for igual ao item do meio, a busca se
encerra.
• Se não for, verifica-se se o valor buscado é maior ou menor que o
valor central.
• Se for maior, então a busca acontecerá na metade superior da
sequência (a inferior é descartada); se não for, a busca
acontecerá na metade inferior da sequência (a superior é
descartada).
Algoritmos de busca
Veja que o algoritmo, ao encontrar o valor central de uma sequência,
a divide em duas partes, o que justifica o nome de busca binária.

Suponha que tenhamos uma lista com 1024 elementos. Na primeira iteração
do loop, ao encontrar o meio e excluir uma parte, a lista a ser buscada já é
diminuída para 512. Na segunda iteração, novamente ao encontrar o meio e
excluir uma parte, restam 256 elementos. Na terceira iteração, restam 128.
Na quarta, restam 64. Na quinta, restam 32. Na sexta, restam 16. Na sétima
8. Na oitava 4. Na nona 2. Na décima iteração resta apenas 1 elemento. Ou
seja, para 1024 elementos, no pior caso, o loop será executado apenas 10
vezes, diferentemente da busca linear, na qual a iteração aconteceria 1024
vezes.
Algoritmos de busca

Fonte: elaborado pelo autor.

Algoritmos de busca
Quais as vantagens e limitações da busca sequencial?

Busca Sequencial, é a forma mais simples de busca, percorresse

registro por registro em busca da chave.
Na melhor das hipóteses, a chave de busca estará na posição 0.
Portanto, teremos um único acesso em lista[0]. Possui resultados
melhores para quantidades pequena e média de buscas. Na pior das
hipóteses, a chave é o último elemento ou não pertence à lista e,
portanto, acessamos todos os n elementos da lista. Perda de eficiência
para os outros registros, o método é mais “caro”.
Algoritmos de
Ordenação
Algoritmos de Ordenação
A essência dos algoritmos de ordenação consiste em
comparar dois valores, verificar qual é menor e colocar
na posição correta.

O que vai mudar, neste caso, é como e quando a

comparação é feita. Para que possamos começar a
entender a essência dos algoritmos de ordenação.
Algoritmos de Ordenação
Em Python, existem duas formas já programadas que nos
permitem ordenar uma sequência:
a função built-in sorted() e o método sort(), presente
nos objetos da classe list.
Algoritmos de Ordenação

Fonte: elaborado pelo autor.

Algoritmos de Ordenação

Fonte: elaborado pelo autor.

Algoritmos de Ordenação

Fonte: elaborado pelo autor.

Algoritmos de Ordenação
Selection sort (Ordenação por seleção)

O algoritmo selection sort recebe esse nome, porque faz a

ordenação sempre escolhendo o menor valor para ocupar
uma determinada posição.
Algoritmos de Ordenação
Selection sort (Ordenação por seleção)

A lógica do algoritmo é a seguinte:

Iteração 1: percorre toda a lista, procurando o menor valor para ocupar a posição 0.
Iteração 2: a partir da posição 1, percorre toda a lista, procurando o menor valor para
ocupar a posição 1.
Iteração 3: a partir da posição 2, percorre toda a lista, procurando o menor valor para
ocupar a posição 2.
Esse processo é repetido N-1 vezes, sendo N o tamanho da lista.
Algoritmos de Ordenação

Selection sort

Fonte: w3resource.com.
Algoritmos de Ordenação

Selection sort

Fonte: elaborado pelo autor.

Algoritmos de Ordenação
Bubble sort (Ordenação por "bolha")

O algoritmo bubble sort (algoritmo da bolha) faz a

ordenação sempre a partir do ínicio da lista, comparando
um valor com seu vizinho. Esse processo é repetido até
que todas as pessoas estejam na posição correta.
Algoritmos de Ordenação
Bubble sort (Ordenação por "bolha")

A lógica do algoritmo é a seguinte:

Iteração 1: seleciona o valor na posição 0 e o compara com seu vizinho – se for menor,
há troca; se não for, seleciona o próximo e compara, repetindo o processo.

Iteração 2: seleciona o valor na posição 0 e compara ele com seu vizinho, se for menor
troca, senão seleciona o próximo e compara, repetindo o processo.

Iteração N - 1: seleciona o valor na posição 0 e o compara com seu vizinho – se for

menor, há troca; se não for, seleciona o próximo e compara, repetindo o processo.
Algoritmos de Ordenação

Bubble sort (Ordenação por "bolha")

Fonte: w3resource.com.
Algoritmos de Ordenação

Bubble sort

Fonte: elaborado pelo autor.

Algoritmos de Ordenação
Merge sort (Ordenação por junção)
O algoritmo merge sort recebe esse nome porque faz a
ordenação em duas etapas:

1. divide a lista em sublistas;

2. e junta (merge) as sublistas já ordenadas.
Algoritmos de Ordenação
Merge sort (Ordenação por junção)
O paradigma de dividir e conquistar envolve três etapas em
cada nível da recursão:
i. dividir o problema em vários subproblemas;
ii. conquistar os subproblemas, resolvendo-os
recursivamente – se os tamanhos dos subproblemas
forem pequenos o suficiente, apenas resolva os
subproblemas de maneira direta;
iii. combinar as soluções dos subproblemas na solução do
problema original.
Algoritmos de Ordenação
Merge sort (Pseudo-algoritmo)
Etapa de divisão:
• Com base na lista original, encontre o meio e separe-a em duas listas: esquerda_1 e
direita_2.
• Com base na sublista esquerda_1, se a quantidade de elementos for maior que 1,
encontre o meio e separe-a em duas listas: esquerda_1_1 e direta_1_1.
• Com base na sublista esquerda_1_1, se a quantidade de elementos for maior que 1,
encontre o meio e separe-a em duas listas: esquerda_1_2 e direta_1_2.
• Repita o processo até encontrar uma lista com tamanho 1.
• Chame a etapa de merge.
• Repita o processo para todas as sublistas
Algoritmos de Ordenação

Merge sort (Pseudo-algoritmo)

Fonte: micro.medium.
Recapitulando
Recapitulando
• Estrutura de dados em Python
• Algoritmos de busca
• Algoritmos de Ordenação