Seu carrinho está vazio
Adicione pacotes de prompts para continuar
Domine o ecossistema Python com esta coleção definitiva de prompts projetados para transformar sua produtividade técnica. Da automação de processos complexos à arquitetura de microsserviços de alto desempenho, cada instrução foi otimizada para fornecer soluções diretas, código limpo e melhores práticas do setor em segundos. Ideal para desenvolvedores, analistas de dados e engenheiros de software que buscam elevar a qualidade de seus projetos. Este guia elimina a ambiguidade e fornece a estrutura exata para resolver desafios algorítmicos, manipular grandes volumes de dados e construir sistemas robustos, garantindo uma vantagem competitiva no mercado tecnológico atual.
100 recursos incluídos
Atua como especialista em Ciência da Computação e otimização de algoritmos de busca. Sua principal tarefa é projetar, documentar e validar uma implementação robusta, eficiente e profissional do algoritmo 'Pesquisa Binária Recursiva' usando a linguagem [Linguagem_de_Programação], sob o paradigma 'Dividir e Conquistar'. O objetivo é localizar um [Target_Element] dentro de uma [Data_Structure] que se presume ter sido previamente ordenada em ordem crescente. A implementação deve ser extremamente eficiente em termos de memória, evitando o uso de técnicas caras, como fatiamento de lista em cada chamada, e optando pela passagem de índices de controle (baixo, alto). É imprescindível que o código inclua anotações de tipo (Type Hinting) e um Docstring estruturado que explique detalhadamente a finalidade de cada parâmetro, o valor de retorno e as pré-condições necessárias para o correto funcionamento do algoritmo em ambientes de produção. Além do código-fonte, você deve fornecer uma análise completa da complexidade algorítmica. Divide a complexidade do tempo em notação Big O para melhor caso, caso médio e pior caso, explicando por que esse método atinge eficiência O (log n). Não se esqueça de analisar a complexidade do espaço, considerando especificamente o impacto da pilha de chamadas recursivas na memória do sistema, especialmente ao trabalhar com um [Data_Volume] consideravelmente grande. Para garantir a confiabilidade do software, desenvolva um conjunto de testes unitários (Testes Unitários) utilizando uma estrutura padrão. Esses testes devem cobrir casos extremos críticos: busca por elementos no final da coleção, busca por um elemento central, tentativas de localizar elementos inexistentes, manipulação de coleções com um único elemento e o comportamento do script quando se depara com uma coleção vazia. O código deve seguir convenções de estilo padronizadas para a linguagem selecionada, como PEP 8 se você escolher Python. Por fim, inclua uma seção de otimização avançada onde você compara essa abordagem recursiva com a versão iterativa. Discuta os limites de profundidade de recursão do sistema e proponha soluções ou configurações necessárias para lidar com conjuntos de dados de tamanho [Maximum_Expected_Size]. Certifique-se de que o tom seja técnico, educacional e profissional, voltado para desenvolvedores que buscam integrar lógica de pesquisa otimizada em sistemas escalonáveis.
Você atuará como Engenheiro de Dados Sênior especializado no ecossistema Python e na biblioteca Pandas. Seu principal objetivo é projetar um fluxo de trabalho abrangente para limpar e segmentar um conjunto de dados em grande escala usando exclusivamente técnicas de máscaras booleanas (indexação booleana). O conjunto de dados em questão é denominado [Dataset_Name] e contém informações críticas sobre [Data_Description]. Você deve se concentrar na otimização da memória e na velocidade de execução, evitando loops 'for' e priorizando operações vetorizadas para garantir processamento eficiente em ambientes de produção de alto desempenho. Primeiro, você realizará uma inspeção técnica da estrutura do DataFrame para identificar valores discrepantes, inconsistências de tipo e valores nulos que possam comprometer a integridade da análise subsequente. Depois que esses pontos de atrito forem detectados, você criará uma série de máscaras lógicas complexas que combinam múltiplas condições usando operadores bit a bit (&, |, ~). Por exemplo, ele filtra linhas onde a coluna [Criteria_Column_1] é estritamente maior que [Threshold_1] e, simultaneamente, a coluna [Criteria_Column_2] atende a um padrão específico definido por [Regex_Pattern] ou pertence a um conjunto de valores discretos. Posteriormente, implementa uma lógica de filtragem hierárquica profunda. Gera uma máscara mestra que atua como um filtro de qualidade para eliminar registros corrompidos ou irrelevantes e depois segmenta o conjunto de dados em subconjuntos específicos com base nas categorias indicadas em [List_Categories]. Para cada segmento resultante, calcule as principais estatísticas descritivas (média, mediana, desvio padrão) que validam a integridade da operação de filtragem. É imprescindível que você explique a diferença técnica entre usar '.loc[]' com máscaras booleanas versus filtragem direta por assinatura, justificando qual é a melhor prática para atribuição segura de valores neste cenário de limpeza profunda e manipulação de dados massivos. Por fim, produz um script Python completo, modular e exaustivamente comentado. O código deve incluir o passo a passo da criação das máscaras, sua aplicação efetiva e uma fase de validação de resultados que compara o tamanho original do conjunto de dados com o conjunto de dados filtrado. Certifique-se de lidar adequadamente com os avisos comuns do Pandas, como 'SettingWithCopyWarning', usando cópias profundas ou indexação explícita. O resultado final deverá ser uma solução profissional pronta para ser integrada num pipeline de dados automatizado, garantindo que o conjunto de dados [Dataset_Name] seja purificado e estruturado para modelos de Machine Learning ou análises avançadas de Business Intelligence.
Atua como Engenheiro sênior de Visualização de Dados especialista no ecossistema Python, especializado especificamente na biblioteca Matplotlib e sua integração com ambientes de produção científica. Seu principal objetivo é desenvolver um roteiro altamente sofisticado e modular que permita a criação e exportação de gráficos de qualidade premium, prontos para serem publicados em revistas acadêmicas de alto impacto ou apresentações corporativas de grande porte. O script deve configurar globalmente os parâmetros 'rcParams' para garantir que cada elemento visual, desde a espessura da linha até o tamanho do rótulo do eixo, atenda aos padrões de design profissional [DESIGN_STANDARD]. Configure o ambiente de renderização para usar fontes específicas e altamente legíveis, como [FONT_TYPE] e, se possível, integre o mecanismo de renderização LaTeX para a exibição correta de expressões matemáticas complexas nas anotações do gráfico. A estrutura do código deve permitir a personalização de uma paleta de cores cromaticamente equilibrada [COLOR_PALETTE], garantindo que os contrastes sejam ideais para pessoas com daltonismo e que a estética geral seja minimalista, mas informativa. O gráfico deve ser do tipo [GRAPH_TYPE], utilizando um conjunto de dados estruturado sob a descrição [DATASET_DESCRIPTION]. O núcleo da sua tarefa é implementar lógica de exportação avançada usando uma função dedicada que lida com vários formatos de saída simultaneamente (SVG, PDF, PNG e TIFF). Esta função deve permitir o ajuste dinâmico do parâmetro DPI (Dots Per Inch) para um valor de [DPI_VALUE] para formatos raster, garantindo que não ocorra pixelização mesmo ao ampliar significativamente a imagem. Inclui o uso de 'bbox_inches="tight"' para remover espaços em branco desnecessários ao redor da figura e ativa a opção de fundo transparente usando [ON_TRANSPARENCY] de acordo com a necessidade do usuário final. Ao final, gera uma breve explicação técnica comparativa de quando é preferível utilizar formatos vetoriais versus formatos bitmap para este gráfico específico.