Esta página tem atualizações constantes e reúne recursos diversos para jornalistas e para quem trabalha em comunicação com a linguagem de programação Python.
Análise e visualização
GraphiPy – a biblioteca simplifica a extração de dados de várias redes sociais, como Twitter, Facebook e YouTube. Segundo a descrição oficial, é uma facilitadora das APIs individuais, não seria necessário se aprofundar em cada uma. Também facilita a visualização de grafos de redes usando a NetworkX e o Gephi. Nunca usei, está na fila.
PyVis – o PyVis é um criador de grafos de conexão, com forte base no NetworkX. Na minha experiência, ainda não chega a substituir, assim como o NetworkX não consegue, ferramentas como o Cytoscape ou Gephi, não encontrei uma forma de dimensionar os tamanhos das fontes dos nós de acordo com as métricas de uma rede como grau de entrada ou modularidade. Nos demais quesitos, é uma biblioteca rápida, bonita e nativa do Python.
Seaborn – construído em cima do matplotlib, o Seaborn é uma dessas bibliotecas ubíquas para quem deseja analisar e visualizar dados dentro do Jupyter Notebook. A biblioteca e mantida como open source pelo cientista de dados Michael Waskom.
Apresentações
Quarto – o quarto é um canivete suíço para criação de apresentações em uma quantidade enorme de formatos. A partir de um Jupyter Notebook, VS Code, RStudio e editores de texto como Vim, Sublime Text e Emacs, é possível exportar o documento em… bom, qualquer formato, já que o Quarto usa o Pandoc. Se o seu documento é feito em algum formato markup (markdown, por exemplo), a exportação pode ser feita para praticamente qualquer tipo de apresentação disponível no mercado.
Cheat sheets
Python F-Strings Number Formatting Cheat Sheet – uma tabelinha direta com tudo o que é necessário saber sobre a formatação de números em Python, o que sempre, invarialmente, preciso buscar na documentação da linguagem.
Dashboards
JupyterDash – o JupyterDash possibilita a integração do Plotly com um Jupyter Notebook facilmente. Além da visualização do dashboard dentro do notebook, a biblioteca provê mecanismos simplificados para exportação do código escrito em forma de script executável, o que facilita sua publicação.
mercury – a função do mercury não é exatamente a construção de dashboards, mas transformar um notebook Jupyter em um aplicativo web, interativo e compartilhável. Bom para apresentações rápidas onde o usuário final já tenha algum conhecimento prévio de programação.
Plotly – com suporte para várias linguagens além do Python, como Julia, R e Javascript, o Plotly é certamente o conjunto de bibliotecas de visualização mais completo do mercado, mas requer uma certa dose de mão de obra.
Streamlit – atualmente, você não vai encontrar forma mais rápida de construir do zero um dashboard. A biblioteca em Python é fartamente documentada e possibilita a criação de um aplicativo web em questão de minutos. É nosso predileta por aqui, mas, como todas, tem suas limitações – como está em constante desenvolvimento por uma comunidade aguerrida, esses limites são menores a cada dia.
Obtenção de dados
ipeadatapy – com a biblioteca mantida pelo economista Luan Borelli, especializada em extrair dados do ipeadata via API, é possível obter dados macroeconômicos em séries históricas anuais, mensais e diárias, dados demográficos e geográficos regionais e sociais, como indicadores de distribuição de renda, pobreza, educação, saúde, previdência social e segurança pública.
Planilhas
Mito – para quem quer trabalhar interativamente com planilhas, o Mito é a escolha certa. Substitui fácil o Excell (para quem manja um pouco de programação) e facilita não apenas a manipulação dos dados como sua visualização.