library('dplyr')
lista <- data.frame(
id = c(10,11,12,13),
nome = c('pedro','mauro','maria','joana'),
sexo = c('M','M','F','F'),
uf = c('PA','RJ','AL',NA),
row.names=c('r1','r2','r3','r4')
)

Considerando o código precedente, julgue os itens a seguir, a respeito da biblioteca dplyr para R.

Considerando-se o dataframe lista do código R apresentado, ao se executar o comando lista %>% select(c(1,3)), o resultado será o seguinte.

id nome
r1 10 pedro
r2 11 mauro
r3 12 maria
r4 13 joana

A respeito da biblioteca Leafleat para R, julgue o próximo item.

Leafleat é uma biblioteca R para criar e manipular uma hierarquia de classes ou árvore de herança, mostrando os relacionamentos entre classes na programação orientada a objetos.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

Streamlit é uma biblioteca utilizada para criar interfaces web, como, por exemplo, um dashboard com vários gráficos interativos.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

from scipy import optimize
x = [-2,-1.6, -1.2, -0.8, -0.4, 0, 0.4, 0.8, 1.2, 1.6, 2.0]

def f(x):
  return x*x-1

ra = optimize.root(f, 0.5)
print("ra %s" % (ra.x))

A execução do código Python apresentado anteriormente resultará no seguinte. ra [1.]

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

A função histogram() do Seaborn permite que se gere um histograma de um array unidimensional.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

O módulo pyplot da biblioteca Matplotlib é um conjunto de funções de estilo de comando que permitem que gráficos sejam gerados.

Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

O resultado da execução do código a seguir será

3.45359236999999997.
from scipy import constants
print(constants.pi)

import numpy as np
a = np.array([(1, 2), (3, 4), (5, 6)],
dtype=[('x', 'i4'), ('y', 'i4')])
print(a)
print(a.shape)

O resultado da execução do código Python apresentado anteriormente é o que se segue.

[[1 2]
[3 4]
[5 6]
['x','i4']
['y','i4']]
(3, 2)

A respeito da biblioteca Numpy, julgue os itens a seguir.

O resultado da execução do código Python a seguir resultará em valores diferentes para as variáveis c e d.

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[4,3],[2,1]])
c= np.dot(a,b)
print(c)
d=a*b
print(d)

No que se refere à biblioteca Pandas, julgue o próximo item.

import pandas as pd
a = [10, 78, 23]
myvar = pd.Series(a, index = [“x”, “y”, “z”])
print(myvar.describe())

Caso o código em Python precedente seja executado, então será apresentado em tela o que se segue.

count 4.000000
mean 38.000000
std 6.097091
min 10.000000
25% 16.500000
50% 23.000000
75% 50.500000
max 78.000000
dtype: float64