📘 👨‍💻 📄 🐍 Modelos de Código em Python para Usar com Quarto

programação
Python
Quarto
artigo
O Quarto permite a execução direta de blocos de código Python.
Autor

Blog do Marcellini

Data de Publicação

29 de junho de 2025

· ← Guia de Leitura de Programação · ← Seção de Python

· ← Seção de Programação

Python

1 📘 👨‍💻 📄 🐍 Modelos de Código em Python para Usar com Quarto

1.1 Introdução

O Quarto permite a execução direta de blocos de código Python em arquivos .qmd, tornando possível criar relatórios interativos e reprodutíveis com análises, gráficos e visualizações em Python.

O trecho abaixo é o cabeçalho YAML do documento .qmd, que define título, autor, data, formato de saída e opções de execução do código:

---
title: "Modelos de Código em Python para Usar com Quarto"
author: "Blog do Marcellini"
date: 2025-06-23
format: html
editor: visual
lang: pt-BR
execute:
  echo: true
  warning: false
  message: false
---

1.2 Bloco de código simples em Python

x = list(range(1, 11))
y = [i**2 for i in x]
y
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

1.3 Gráfico com matplotlib

import matplotlib.pyplot as plt

plt.plot(x, y, marker='o', color='blue')
plt.title("Gráfico de x²")
plt.xlabel("x")
plt.ylabel("y = x²")
plt.grid(True)
plt.show()

1.4 Usando numpy e seaborn

import numpy as np
import seaborn as sns

data = np.random.normal(size=1000)
sns.histplot(data, kde=True)

1.5 Análise com pandas

import pandas as pd

df = pd.read_csv("data/iris.csv")
df.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa

1.6 Estatísticas descritivas com pandas

df.describe()
sepal_length sepal_width petal_length petal_width
count 150.000000 150.000000 150.000000 150.000000
mean 5.843333 3.057333 3.758000 1.198667
std 0.828066 0.435866 1.765298 0.763161
min 4.300000 2.000000 1.000000 0.100000
25% 5.100000 2.800000 1.600000 0.300000
50% 5.800000 3.000000 4.350000 1.300000
75% 6.400000 3.300000 5.100000 1.800000
max 7.900000 4.400000 6.900000 2.500000

1.7 Gráfico de dispersão

sns.scatterplot(data=df, x="sepal_length", y="petal_length", hue="species")

1.8 Regressão linear com scikit-learn

from sklearn.linear_model import LinearRegression

X = df[["sepal_length"]]
y = df["petal_length"]

modelo = LinearRegression()
modelo.fit(X, y)

print(f"Coeficiente angular: {modelo.coef_[0]:.2f}")
print(f"Intercepto: {modelo.intercept_:.2f}")
Coeficiente angular: 1.86
Intercepto: -7.10

1.9 Gráfico com linha de regressão

plt.scatter(X, y, color='gray')
plt.plot(X, modelo.predict(X), color='red')
plt.xlabel("Sepal Length")
plt.ylabel("Petal Length")
plt.title("Regressão Linear Simples")
plt.show()

1.10 Tabela formatada com tabulate

from tabulate import tabulate

tabela = df.head(5)
print(tabulate(tabela, headers='keys', tablefmt='github'))
|    |   sepal_length |   sepal_width |   petal_length |   petal_width | species   |
|----|----------------|---------------|----------------|---------------|-----------|
|  0 |            5.1 |           3.5 |            1.4 |           0.2 | setosa    |
|  1 |            4.9 |           3   |            1.4 |           0.2 | setosa    |
|  2 |            4.7 |           3.2 |            1.3 |           0.2 | setosa    |
|  3 |            4.6 |           3.1 |            1.5 |           0.2 | setosa    |
|  4 |            5   |           3.6 |            1.4 |           0.2 | setosa    |

1.11 Conclusão

Com Quarto e Python, é possível gerar relatórios e documentos ricos em conteúdo visual e analítico, integrando texto, código, gráficos e resultados de forma automatizada e elegante.

· ← Guia de Leitura de Programação · ← Seção de Python

· ← Seção de Programação · 🔝 Topo

Blog do Marcellini — Explorando a Matemática, a Estatística e a Física com Rigor e Beleza.

Nota

Criado por Blog do Marcellini com ❤️ e código.