📘 👨‍💻 📄 🐍 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

← Voltar para o Guia de Leitura de Programação 👨‍💻

← Voltar para a Seção de Python 🐍

← Voltar para a Seção de Programação 👨‍💻

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.

← Voltar para o Guia de Leitura de Programação 👨‍💻

← Voltar para a Seção de Python 🐍

← Voltar para a Seção de Programação 👨‍💻

🔝 Voltar ao Topo

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