O método de ordenação conhecido por merge sort é usualmente implementado de maneira recursiva e realiza o ordenamento basicamente separando o vetor de dados em análise em duas partes, até que haja a comparação de apenas dois elementos para se verificar se há a necessidade de troca da posição. Depois, também de maneira recursiva, esses elementos vão sendo novamente reagrupados até que o vetor seja retornado na ordem ascendente ou descendente, conforme o interesse, como esquematizado na figura a seguir.

Considerando o trecho de código a seguir e o vetor B=[10, 9, 8, 7, 6, 5, 4, 3, 2, 1], é correto afirmar que, no print(A) da linha 7 com o ordenamento ascendente do vetor B, a resposta da sua saída será:

Um laço de repetição, também conhecido como loop, servirá para que o programador execute uma operação repetidas vezes. No entanto, o programador deve se atentar ao uso dos contadores para não criar um erro de execução em seu programa. Sabendo disso, analise o código em Python abaixo e aponte a alternativa que apresenta o erro do código:

contador = 0

while contador<10:

print(contador)

contador = contador - 1

Observe o código Python a seguir.

class A:
def __init__(self):
super().__init__()
print(type(self).__name__)
print(‘A’)

class B(A):
def __init__(self):
super().__init__()
print(type(self).__name__)
print(‘B’)

class C(B):
def __init__(self):
super().__init__()
print(type(self).__name__)
print(‘C’)

a = A()
b = B()
c = C()

Considerando o código Python anterior, assinale a alternativa que corresponde à saída gerada:

a = {1,2,3}

b = (1,2,3)

c = [1,2,3]

d = {“a”: 1,”b”: 2,”c”: 3}

print(type(a))

print(type(b))

print(type(c))

print(type(d))

Assinale a alternativa que corresponde à saída gerada pelo algoritmo acima:

from scipy import stats

…

Y, Z = stats.normaltest(X)

Considerando o trecho do algoritmo acima, assinale a alternativa que corresponde ao significado do valor de Z.

Uma tarefa muito comum durante a etapa de pré-processamento de dados é o tratamento de valores ausentes. Na linguagem R, os valores ausentes são representados por NA (Not Avaliable). Considere os dados exibidos pela figura abaixo:

Esses dados correspondem aos valores que foram carregados e armazenados em um dataframe da linguagem R. A linguagem R, assim como a linguagem Python, é muito utilizada na área de Ciência de Dados. Ela oferece diversas bibliotecas que podem ser empregadas para auxiliar nas etapas de pré-processamento e transformação dos dados. Ao analisar as informações exibidas pela figura, o cientista de dados percebe a existência de diversos valores ausentes e decide substituí-los da seguinte forma:

• Gravidez: substituir NA pelo valor 0;
• Pressão Sanguínea: substituir NA pela média dos valores da coluna;
• Resultado: substituir NA pelo valor 0.

Assinale a alternativa correta, que indica o trecho de código escrito em linguagem R, que pode ser utilizado para realizar essa tarefa.

A variedade de recursos para a visualização de dados é um dos diferenciais que atraem o interesse sobre a linguagem de programação Python. Para isso, existem diferentes bibliotecas disponíveis na Internet, com destaque a biblioteca Matplotlib. Dentre os inúmeros recursos dessa biblioteca, o método plot disponibiliza recursos para a visualização bidimensional de dados, como o do gráfico a seguir.

Considerando esse gráfico gerado utilizando programação Python, selecione a opção que possibilita gerá-lo corretamente de acordo com a visualização apresentada nesta imagem. Para isso, considerar que a curva é uma senoide gerada pelo trecho de código a seguir:

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-10, 10, 100)
y = np.sin(x)

A biblioteca Matplotlib é usada para plotagem de gráficos 2D em Python. A função subplot dessa biblioteca é usada para criação de uma figura com subplotagens.

Considerando a imagem apresentada, assinale a alternativa que representa qual das sequências deveria ser usada na função subplot nas linhas 7 e 13, respectivamente, para geração dos gráficos apresentados ao lado do código.

Uma tarefa muito comum durante a etapa de pré-processamento de dados é o tratamento de valores ausentes. A linguagem Python possui uma biblioteca muito utilizada pelos cientistas de dados, denominada Pandas, que permite realizar o processo de transformação dos dados de maneira bem prática. Considere os dados exibidos pela figura abaixo:

Pela figura, é possível observar que existem diversos valores ausentes, identificados por NaN. Ao analisar essas informações, o cientista de dados decide substituir os valores ausentes em cada coluna, da seguinte forma:

• Gravidez: substituir NaN pelo valor 0;
• Pressão Sanguínea: substituir NaN pela média dos valores da coluna;
• Espessura da Pele: substituir NaN pela moda dos valores da coluna;
• IMC: substituir NaN pela mediana dos valores da coluna;
• Resultado: substituir NaN pelo valor 0.

O cientista de dados armazenou os valores dentro de um dataframe do Pandas, chamado df. Para realizar a substituição dos valores ausentes, ele decide executar o seguinte comando:

df.fillna(value=valores, inplace=True)

Observe que o argumento “value” recebe um dicionário do Python. Esse dicionário contém as instruções para atualizar os valores das colunas, tal como o cientista de dados deseja. Assinale a alternativa correta, que indica o trecho de código relacionado a esse dicionário de dados.

import datetime

d = datetime.datetime(2022,1,2,3,4,5)

print(type(d))

print(d.strftime(“%j”))

Com base no algoritmo, considere as afirmativas:

I – A primeira linha realiza a importação do módulo ‘datetime’

II – A segunda linha cria um objeto

III – A terceira linha retorna <class ‘datetime. datetime’>

IV – A última linha imprime o valor 002

Assinale a alternativa correta: