DEV Community: Diego Alves

Dados Qualitativos

Diego Alves — Sat, 12 Aug 2023 11:08:08 +0000

Dados qualitativos referem-se a informações não numéricas ou descritas em palavras, em vez de valores quantitativos mensuráveis. Eles são frequentemente utilizados em pesquisas sociais e ciências humanas para explorar significados, interpretações e contextos. Coletados por meio de entrevistas, observações e análise de conteúdo, esses dados oferecem insights profundos sobre opiniões, crenças e experiências. No entanto, sua interpretação é subjetiva e requer métodos de análise como codificação temática para identificar padrões e tendências.

Quando enfrentamos a tarefa de extrair e analisar dados qualitativos, é essencial estarmos familiarizados com as seis técnicas fundamentais:

Análise Temática
Analisa os padrões que vamos analisar o texto (que chamamos de códigos) e como organizamos os padrões previamente em categorias.

Análise de Conteúdo
Analisa textos de maneira sistemática, através de padrões. Um exemplo de análise de conteúdo seria monitorar a hashtag #esportes para identificar quais as maiores ocorrências. A partir dos códigos, você pode identificar trechos como bola, videogame, celular, pessoa ou personagem, rua ou pista. Você pode ainda criar temas a partir da similaridade, como agrupar em esportes indoor, outdoor e eletrônicos.

Análise de Discurso
Analisa textos de maneira orientada a interpretação, mais subjetiva e contextual. Diferente da análise de conteúdo, a análise de discurso não necessita diretamente de uma descrição, e sim um olhar por trás do conteúdo.

Teoria Fundamentada
Busca a construção teórica a partir dos próprios dados, em vez de aplicar teorias pré-existentes. Nesse método, os pesquisadores mergulham nos dados, codificando e categorizando informações de maneira iterativa e comparativa, identificando conceitos-chave e suas relações.

Análise de Narrativa
Abordagem na análise qualitativa de dados que se concentra na compreensão e interpretação de narrativas ou histórias compartilhadas por indivíduos. Essa abordagem é frequentemente usada em estudos que exploram experiências pessoais, memórias, relatos de vida e construções de significado.

Análise Fenomenológica
Ligada a entender a fundo uma experiência específica e “rara” de um grupo em comum. Para essa análise em questão, não é recomendado simplificar em códigos, para não perder a profundidade do relato, no entanto, podemos entender melhor a narrativa com algum contexto definido.

Evitando viés na análise de dados qualitativos

Evitar viés na análise de dados qualitativos é crucial para garantir que as interpretações e conclusões sejam confiáveis e válidas. Aqui estão algumas estratégias para minimizar o viés em análises qualitativas:

Familiarização com os Dados: Comece imerso nos dados, familiarizando-se com eles antes de começar a codificação ou análise. Isso ajuda a obter uma compreensão holística do material.
Codificação Aberta e Reflexividade: Ao codificar os dados, adote uma abordagem aberta, permitindo que os padrões emerjam sem forçar interpretações preconcebidas. Esteja ciente de seus próprios preconceitos e perspectivas e reflita sobre como eles podem influenciar suas interpretações.
Triangulação: Use múltiplas fontes de dados, como entrevistas, observações e documentos, para validar os resultados e verificar a consistência das interpretações.
Co-codificação e Revisão por Pares: Trabalhe com outros pesquisadores para co-codificar e revisar os resultados. Isso ajuda a identificar possíveis vieses individuais e a promover uma visão mais objetiva.
Manter um Registro de Decisões: Mantenha um registro detalhado das decisões tomadas durante a análise, incluindo escolhas de codificação e categorização. Isso permite que outros compreendam o processo e identifiquem possíveis vieses.
Análise Reflexiva: Regularmente reflita sobre suas próprias perspectivas, crenças e experiências e como eles podem influenciar sua interpretação. Mantenha uma abordagem autoconsciente e aberta à evolução das interpretações.
Comparação Constante: Compare novos dados com dados já analisados para garantir a consistência e validade das categorias e temas identificados.
Validação por Participantes: Volte aos participantes para validar suas interpretações e conclusões. Isso ajuda a verificar se suas interpretações estão alinhadas com as experiências e percepções dos participantes.
Transparência e Justificativa: Seja transparente sobre os métodos de análise utilizados e as decisões tomadas ao longo do processo. Justifique suas escolhas com base nas evidências dos dados.
Mantenha uma Abordagem Flexível: Esteja disposto a ajustar suas interpretações à medida que mais dados são coletados e analisados. Evite ficar preso a uma única interpretação rígida.

Ao seguir essas estratégias, você poderá minimizar o viés e aumentar a confiabilidade e validade das suas análises de dados qualitativos.

Referências bibliográficas

Análise qualitativa: teoria, passos e fidedignidade
https://doi.org/10.1590/S1413–81232012000300007

Clues for the Paradigmatic Development of Online Qualitative Methods
https://doi.org/10.1590/1982-7849rac2022210015.en

LGPD - Dados Pessoais

Diego Alves — Fri, 15 Oct 2021 16:20:34 +0000

Inspirada na General Data Protection Regulation (GDPR), da União Europeia, a Lei Geral de Proteção de Dados (lei 13.709/18 – LGPD), traz uma série de inovações em relação à proteção do direito à privacidade e de dados pessoais como direitos individuais, além de garantir maior segurança jurídica para as empresas, atualizando conceitos antes esparsos em diversas normas setoriais.

A legislação brasileira não adotou o termo “privacidade”, mas “vida privada” e “intimidade”, sem conceituá-los de forma específica. Ela determina a forma como os dados dos cidadãos podem ser tratados, e ainda prevê punições para transgressões a essas determinações.

Os dados pessoais, podem ser separados em três tipos:

Informações relativas a uma pessoa física identificada: nome, apelido, data de nascimento, endereço IP, imagens relativas a sistemas de monitoramento eletrônico e gravação de chamadas telefônicas;
Dados pessoais sensíveis, ligados a questões mais subjetivas e comportamentais: raça, opinião pública e vida sexual;
Dados anonimizados, dados pessoais que tenham sido descaracterizados ou codificados.

Em cada um destes grupos, existe sanções específicas e com dosimetria diferente. Penas mais brandas para informações de pessoa física identifica e penas mais pesadas para dados pessoais sensíveis.

Vivemos em uma sociedade na qual a informação se tornou o centro gravitacional da nova forma de organização social e econômica. A circulação de dados não só altera as relações sociais, redefinindo as noções de tempo e espaço, mas tem valor comercial.

A atual ordem econômica utiliza informações, que são dados sobre experiências humanas, como matéria prima para fins comerciais, segmentando campanhas para perfis específicos de consumidores e criando produtos cada vez mais personificados, que acabam guiando as escolhas dos usuários. Para que essa lógica de acumulação funcione, é preciso que cada vez mais dados sejam coletados.

Neste cenário, o titular dos dados assume posição de vulnerabilidade, pois sua capacidade de autodeterminação é cada vez mais calibrada pelas informações que são coletadas a seu respeito, tais como acesso a determinado programa de linha de crédito e diversas outras oportunidades sociais que são filtradas pelo processamento de dados dos cidadãos.

Os impactos da LGPD no futuro ainda são bastante incertos, sabemos que no presente momento, é fundamental que profissionais que atuam na área de Ciência de Dados, precisa estar cada vez mais atentos e atualizados as novas diretrizes legislativas vigentes no país.

That's all folks! ✌️

Fontes de Dados - Data Science

Diego Alves — Wed, 13 Oct 2021 14:29:49 +0000

As fontes de dados (datasets) são o principal insumo para a Ciência de Dados. Datasets completos e confiáveis fornecem subsídios fundamentais, formam a base de qualquer análise de dados de alto nível.

Quase em sua totalidade, são representados por dados tabulares em formato de planilha onde as linhas são os registros dos acontecimentos e as colunas são as características desses acontecimentos.

Neste artigo, irei apresentar datasets para três grandes áreas: economia, saúde e meio ambiente.

Economia

Tesouro Nacional Transparente

Contém informações produzidas e atualizadas pelo tesouro nacional para livre utilização, desde que citada a fonte. Informações sobre dívida pública, títulos do tesouro, ajustes fiscais entre outros.

https://www.tesourotransparente.gov.br/

Banco Mundial - Dados abertos

Dados, pesquisas, relatórios entre outras fonte de dados fornecidos pelo banco mundial com o intuito de fomentar o desenvolvimento global.

https://data.worldbank.org/

Fundo Monetário Intercional

Dados abertos sobre o FMI, como é mais comumente conhecido. Confira os investimos aplicados por país através dos relatórios de de resultados anuais divulgados pelo FMI.

https://www.imf.org/en/Data

Financial Times

Bases de dados abertas de um dos maiores jornais do mundo de negócios e notícias econômicas.

https://markets.ft.com/data/

Global Financial Data

Fornece informações econômicas, financeiras e históricas dos mais abrangentes possível. Especializada em fornecer dados financeiros e econômicos que vão dos anos 1000 até o presente.

https://www.globalfinancialdata.com/

Banco Central dos Estados Unidos

O FRED (Federal reserve ) traz dados sobre todo o sistema financeiro norte americano.

https://fred.stlouisfed.org/

Google Finance

Todas as principais informações do mercado financeiro mundial em uma página. Tudo o que está ocorrendo neste minuto de mais importante.

https://www.google.com/finance

Mercado Bitcoin

Uma forma automatizada de obter dados de negociações do Mercado Bitcoin. O acesso à API de dados é público, não é necessário criar uma conta tampouco autenticar.

https://www.mercadobitcoin.com.br/api-doc/

Saúde

Ministério da Saúde

Dados abertos Informações sobre o ministério da saúde em si, como orçamento, investimentos e iniciativas.

http://www.dados.gov.br/organization/ministerio-da-saude-ms

ANVISA

Portal de dados abertos da ANVISA. Consulte dados sobre agrotóxicos, alimentos, cosméticos, medicamentos, produtos para a saúde, saneamento básico e outros.

http://portal.anvisa.gov.br/dados-abertos

DATASUS

Portal de dados abertos do sistema único de saúde. Consulte relatórios e informativos sobre a saúde do brasileiro.

http://www2.datasus.gov.br/DATASUS/

Repositório de dados abertos da OMS

Diversos estudos e fontes de dados sobre a organização mundial da saúde.

https://www.who.int/gho/database/en/

U.S Food & Drug

Base americana - Remédios e Alimentação. Recall de medicamentos, Plantações sustentáveis, emergências públicas e muito mais.

https://www.fda.gov/food

HealthData.gov

Dedicado a tornar os dados sobre saúde mais acessíveis a empreendedores, pesquisadores e formuladores de políticas, na esperança de obter melhores resultados para a saúde de todos.

https://healthdata.gov/

Nacional Center Institute

Instituto nacional do câncer norte americano. Diversas estatísticas sobre os vários tipos desta doença, ações, pesquisas e tratamentos sobre.

https://seer.cancer.gov/faststats/

Centers for Disease Control and Prevention

Centro de controle e prevenção de doenças. Dados e estatísticas sobre diversas doenças, pesquisas e vacinas.

https://www.cdc.gov/datastatistics/

Meio ambiente

Climate Data Online

Centro nacional norte americano de informações ambientais. Dados sobre o clima mundial e meio ambiente de diversos centros, interligados entre si.

https://www.ncdc.noaa.gov/cdo-web/datasets

Nasa Earth Observatory

É o observatório de condições globais da Nasa. Busque e visualize vasto conteúdo sobre cada tópico que cause impacto no planeta terra.

https://earthobservatory.nasa.gov/

CCI - Open data Portal

Computa 40 anos de observações de satélite, mesclando diversos dados observados por eles sobre as mudanças climáticas e de relevo. Uma das melhores iniciativas de forma livre em todo mundo.

https://gisgeography.com/free-world-climate-data-sources/

OECD

O objetivo da OECD é construir políticas melhores para um melhor lugar no futuro. Realiza e disponibiliza diversos estudos, dados climáticos.

https://data.oecd.org/environment.htm

That's all folks! ✌️

Começando com Spark

Diego Alves — Thu, 30 Sep 2021 17:38:33 +0000

O Spark é uma ferramenta para processamento de dados em grande escala, escrita na linguagem de programação funcional Scala, possui foco em velocidade, facilidade de uso e análises sofisticadas. Netflix, Yahoo e eBay são algumas empresas que implementaram soluções através do Spark.

Spark Ecosystem

O ecossistema Spark inclui cinco componentes principais: Spark Streaming, MLlib e GraphX, Spark SQL e Spark Core.

Spark Streaming

O Spark Streaming facilita a criação de soluções de streaming escalonáveis e tolerantes a falhas. Ele traz a API integrada à linguagem Spark para o processamento de stream, para que você possa escrever jobs de streaming da mesma forma que os jobs em lote. O Spark Streaming oferece suporte a Java, Scala e Python, e apresenta semânticas "exatamente uma vez" com estado, prontas para uso.

MLlib

MLlib é a biblioteca de machine learning escalonável do Spark com ferramentas que tornam a ML prática escalonável e fácil. MLlib contém muitos algoritmos de aprendizado comuns, como classificação, regressão, recomendação e clustering. Também contém fluxos de trabalho e outros utilitários, incluindo transformações de recursos, construção de pipeline de ML, avaliação de modelo, álgebra linear distribuída e estatísticas.

GraphX

GraphX é a API Spark para gráficos e computação paralela a gráficos. É flexível e funciona perfeitamente com gráficos e coleções. Unifica extrair, transformar, carregar, análise exploratória, e computação gráfica iterativa em um sistema. Além de uma API altamente flexível, GraphX vem com uma variedade de algoritmos de gráfico. Ela compete em desempenho com os sistemas gráficos mais rápidos, mantendo a flexibilidade, tolerância a falhas e facilidade de uso do Spark.

Spark SQL

Spark SQL é o módulo Spark para trabalhar com dados estruturados que oferece suporte a uma maneira comum de acessar uma variedade de fontes de dados. Ele permite consultar dados estruturados dentro de programas Spark, usando SQL ou uma API DataFrame familiar. O Spark SQL oferece suporte à sintaxe HiveQL e permite o acesso a armazenamentos existentes do Apache Hive. O modo de servidor fornece conectividade padrão por meio de conectividade de banco de dados Java ou conectividade aberta de banco de dados.

Spark Core

O Spark Core é um mecanismo de processamento de dados distribuído de uso geral. Além disso, há bibliotecas para SQL, processamento de stream, machine learning e computação gráfica, sendo que todas elas podem ser usadas juntas em um aplicativo. O Spark Core é a base de todo um projeto, fornecendo despacho distribuído de tarefas, programação e funcionalidades básicas de E/S.

That's all folks! ✌️

SQL - Resumo para iniciantes

Diego Alves — Mon, 27 Sep 2021 17:34:13 +0000

SQL significa “Structured Query Language”, ou “Linguagem de Consulta Estruturada”, em português. Resumidamente, é uma linguagem de programação para lidar com banco de dados relacional (baseado em tabelas). Foi criado para que vários desenvolvedores pudessem acessar e modificar dados de uma empresa simultaneamente, de maneira descomplicada e unificada.

Banco de dados

Podemos imaginar um banco de dados como se fosse um banco onde guardamos nosso dinheiro. Só que no lugar do dinheiro temos os dados que queremos armazenar. E o mantemos seguros para serem acessados no momento em que precisarmos deles.

Banco de dados relacional

Um banco de dados relacional é um banco de dados digital baseado no modelo relacional de dados, como proposto por E. F. Codd em 1970, uma forma intuitiva e direta de representar os dados em tabelas. As bases de dados relacionais armazenam e fornecem acesso a pontos de dados que estão relacionados entre si.

Em um banco de dados relacional, cada linha da tabela é um registro com uma identificação única chamada chave primaria. As colunas da tabela contêm os atributos dos dados, e cada registro geralmente tem um valor para cada atributo, facilitando o estabelecimento das relações entre os dados.

Banco de dados não relacional

Um banco de dados não relacional é qualquer banco de dados que não segue o modelo relacional fornecido pelos sistemas tradicionais de gerenciamento de bancos de dados relacionais (SGBDR). Esta categoria de bancos de dados, é também conhecida como banco de dados NoSQL.

Structured Query Language (SQL)

Neste artigo, o objetivo é SQL, neste sentido precisamos necessáriamente compreender alguns conceitos inicais de SQL.

Structured Query Language, ou Linguagem de Consulta Estruturada ou SQL, é a linguagem de pesquisa declarativa padrão para banco de dados relacional (base de dados relacional). Muitas das características originais do SQL foram inspiradas na álgebra relacional.

O nome original da linguagem era SEQUEL, acrônimo para "Structured English Query Language" (Linguagem de Consulta Estruturada, em Inglês),[1] vindo daí o facto de, até hoje, a sigla, em inglês, ser comumente pronunciada "síquel" ao invés de "és-kiú-él", letra a letra. No entanto, em português, a pronúncia mais corrente é letra a letra: "ésse-quê-éle".

A linguagem SQL é dividida em subconjuntos de acordo com as operações que queremos efetuar sobre um banco de dados, tais como:

DML - Linguagem de Manipulação de Dados

O primeiro grupo é a DML (Data Manipulation Language - Linguagem de manipulação de dados). DML é um subconjunto da linguagem SQL que é utilizado para realizar inclusões, consultas, alterações e exclusões de dados presentes em registros. Estas tarefas podem ser executadas em vários registros de diversas tabelas ao mesmo tempo. Os comandos que realizam respectivamente as funções acima referidas são Insert, Update e Delete.

DDL - Linguagem de Definição de Dados

O segundo grupo é a DDL (Data Definition Language - Linguagem de Definição de Dados). Uma DDL permite ao utilizador definir tabelas novas e elementos associados. A maioria dos bancos de dados de SQL comerciais tem extensões proprietárias no DDL.

Os comandos básicos da DDL são poucos:

CREATE: cria um objeto (uma Tabela, por exemplo) dentro da base de dados.
DROP: apaga um objeto do banco de dados.

Alguns sistemas de banco de dados usam o comando ALTER, que permite ao usuário alterar um objeto, por exemplo, adicionando uma coluna a uma tabela existente.

DCL - Linguagem de Controle de Dados

O terceiro grupo é o DCL (Data Control Language - Linguagem de Controle de Dados). DCL controla os aspectos de autorização de dados e licenças de usuários para controlar quem tem acesso para ver ou manipular dados dentro do banco de dados.

Duas palavras-chaves da DCL:

GRANT - autoriza ao usuário executar ou setar operações.
REVOKE - remove ou restringe a capacidade de um usuário de executar operações.

DTL - Linguagem de Transação de Dados

BEGIN WORK - (ou BEGIN TRANSACTION, dependendo do dialeto SQL) - pode ser usado para marcar o começo de uma transação de banco de dados que pode ser completada ou não.
COMMIT - finaliza uma transação dentro de um sistema de gerenciamento de banco de dados.
ROLLBACK - faz com que as mudanças nos dados existentes desde o último COMMIT ou ROLLBACK sejam descartadas.

COMMIT e ROLLBACK interagem com áreas de controle como transação e locação. Ambos terminam qualquer transação aberta e liberam qualquer cadeado ligado a dados. Na ausência de um BEGIN WORK ou uma declaração semelhante, a semântica de SQL é dependente da implementação.

DQL - Linguagem de Consulta de Dados

Embora tenha apenas um comando, a DQL é a parte da SQL mais utilizada. O comando SELECT permite ao usuário especificar uma consulta ("query") como uma descrição do resultado desejado. Esse comando é composto de várias cláusulas e opções, possibilitando elaborar consultas das mais simples às mais elaboradas.

That's all folks! ✌️

VSCode - 25 atalhos úteis

Diego Alves — Sat, 18 Sep 2021 12:48:46 +0000

O nosso querido Visual Studio Code, ou VSCode, é um excelente editor de códigos desenvolvido pela Microsoft. O seu lançamento ocorreu em 2015, com versões para Windows, Linux e macOS.

Para melhorar a produtividade, os atalhos são extremamente úteis, simplificam muito a nossa experiência e desenvoltura na ferramenta.

A lista vai ficar um pouco extensa, difícil de guardar de ínico, mas essa não é a intenção. Importante que a medida que você for utilizando a ferramenta, tenha insights do tipo: "- Hmm... e se tivesse um atalho para isso?". Também, quando executamos tarefas de forma muito repetitiva ou ainda que tenha pouca tem relação com a atividade fim, codar.

Chega de lerolero e vamos lá:

CTRL+SHIFT+L Paleta de comandos

CTRL+,Abrir configurações do usuário

CTRL+N Criar novo arquivo

CTRL+SHIFT+N Nova janela do VSCode

CTRL+O Abrir arquivo

CTRL+S Salvar arquivo

CTRL+SHIFT+W Fechar janela

CTRL+B Mostrar/esconder a barra lateral

CTRL+P Ir para o arquivo

CTRL+G Ir para a linha

CTRL+TAB Alternar entre abas

CTRL+SHIFT+F Mostrar pesquisa

CTRL + + Zoom in

CTRL + - Zoom out

CTRL + \ Split do editor

SHIFT+ALT+F Formatar todo o documento

CTRL+K CTRL+F Formatar seleção

CTRL+L Selecionar toda linha

CTRL+K CTRL+0 ou CTRL+K CTRL+J Dobrar ou desdobrar todas as funções ou métodos

CTRL+SHIFT+L Selecionar todas as ocorrências da seleção

CTRL+F2 Selecionar todas as ocorrências da palavra

F2 Renomear simbolo ou variável

F8 Ir para o próximo error ou warning

F11 Alternar para tela cheia

F12 Ir para a definição da função ou método

Espero que tenha utilidade para você! Para saber mais atalhos, sugiro que você acesse a documentação do VSCode ( https://docs.microsoft.com/pt-br/visualstudio/ )

That's all folks! ✌️

Golang - Conversão de tipos

Diego Alves — Fri, 03 Sep 2021 12:29:07 +0000

A conversão de tipos é o ato de forçar uma expressão a utilizar e retornar um determinado tipo. Também chamamos esta modalidade de “Casting”. A conversão de um tipo de dado em número ou em literal é muito comum em situações de programação.

Como o Go é uma linguagem de tipagem estática, os tipos de dados são vinculados às variáveis e não aos valores. Isso significa que, se você definir uma variável como int, ela só poderá ser uma int, você não poderá atribuir-lhe uma string sem converter o tipo de dados da variável.

Inteiro para float

No exemplo abaixo, iremos converter um número inteiro para ponto flutuante, ao final a variável numero2 ficará com o valor 100.00 ao invés de 100.

var numero1 int64 = 100
var numero2 float64 = float64(numero1)

Float para inteiro

O Go pode converter os floats em inteiros, mas o programa perderá a precisão do float.

Envolver os floats em inteiros, ou um de seus tipos de dados de arquitetura independente, funciona de maneira similar à que usou para converter de um tipo inteiro a outro tipo.

var numero1 float64 = 99.9
var numero2 int = int(numero1)

A variável numero2 terá o valor 99 ao invés 99.9.

Números para strings

Para converter números em strings, podemos usar o método strconv.Itoa, ele faz parte do pacote strconv. Ele faz a conversão de números ou variáveis para string.

Inicialmente faremos a conversão de um número inteiro para strings através do método strconv.Itoa:

package main

import (
    "fmt"
    "strconv"
)

func main() {
    numero := strconv.Itoa(5)
    fmt.Printf(numero)
}

No caso da necessidade de converter um float em string, podemos usar o método ftm.Sprint, a partir do pacote fmt.

package main

import (
    "fmt"
)

func main() {
    fmt.Println(fmt.Sprint(421.034))
}

Strings para números

That's all folks! ✌️

Golang - Tipos de dados

Diego Alves — Thu, 02 Sep 2021 18:54:59 +0000

Os tipos de dados especificam os tipos de valores que serão usados em um programa. Os tipos do dados também determina quais operações podem ser executadas nesses dados. Uma forma de pensar sobre os tipos é considerar os diferentes dados que usamos no mundo real. Exemplos de dados no mundo real são os números:

números naturais (0, 1, 2,…), usamos eles para contar (incluindo o zero) e é infinito;
números inteiros (…, -1, 0, 1,…) são todos os elementos dos números naturais (N) e seus opostos;
números irracionais (π), são os números decimais não exatos com uma representação infinita e não periódica, por exemplo: 3,141592… ou 1,203040….

Na linguagem Go precisamos informar o tipo, os principais tipos primitivos da linguagem são: string, boolean, inteiros e números de ponto flutuante.

String

O tipo String é o responsável por representar valores de texto.

var nome string
nome = "Diego"

Boolean

O tipo boolean é responsável por definir o valor de uma variável como true (verdadeiro) ou false (falso). Diferente de outras linguagens de programação, em Go, um boolean não pode ser representado por números ,0 e 1, por exemplo.

var ligado bool
ligado = true

Por padrão, quando declaramos um boolean e não definimos um valor inicial para ele, o mesmo passa a ter false como seu valor.

Inteiros

Os números inteiros são constituídos dos números naturais e seus simétricos negativos, incluindo o zero.

var ano int64
ano = 2021

Na linguagem Go, podemos declarar números inteiros com capacidades de bytes diferentes.

rune : -2,147,483,648 ~ 2,147,483,647
int8 : -128 ~ 127
int16 : -32,768 ~ 32,767
int32 : -2,147,483,648 ~ 2,147,483,647
int64 : -9,223,372,036,854,775,808 ~ 9,223,372,036,854,775,807

var runeVar rune = 255
var intVar int8 = 100
var intVar2 int16 = -200
var intVar3 int32 = 3000
var intVar4 int64 = -20000

Para números inteiros, existem aqueles que possuem capacidade apenas, para valores positivos.

byte : 0 ~ 255
uint8 : 0 ~ 255
uint16 : 0 ~ 65,535
uint32 : 0 ~ 4,294,967,295
uint64 : 0 ~ 18,446,744,073,709,551,615

var byteVar byte = 12
var uintVar uint8 = 35
var uintVar2 uint16 = 114
var uintVar3 uint32 = 1278
var uintVar4 uint64 = 27001

Fracionários

Os números fracionários são definidos como aqueles que representam uma ou mais partes do todo, isto é, ao dividir um objeto em um determinado número de partes, cada conjunto dessas partes é um número fracionário.

float32 : -3.4^38 ~ +3.4^38
float64 : -1.7^308 to +1.7^308

Também chamamos comumente também de números de ponto flutuante ou float. A diferença de 32 ou 64, diz respeito a capacidade de armazenamento de dados na varíavel. Se serão 32 ou 64 bits de capacidade.

var varFloat32 float32 = 19.20
var varFloat64 float64 = 61.337

Complexos

Os números complexos são números compostos por uma parte real e uma imaginária. Eles representam o conjunto de todos os pares ordenados (x, y), cujos elementos pertencem ao conjunto dos números reais (R).

complex64 : conjunto de todos os números complexos com partes reais e imaginárias do float32
complex128 : conjunto de todos os números complexos com partes reais e imaginárias do float64

Declaração de variáveis

Existem diversas formas de sintaxe que podem ser utilizadas para definir variáveis em Go.

A palavra-chave var é a forma mais básica de definir variáveis. Observe que a linguagem Go coloca o tipo da variável depois do nome da variável.

// Define uma variável com o nome “variableName” e o tipo "type"
var variableName type

Definir múltiplas variáveis.

// Define três variáveis do tipo "type"
var vname1, vname2, vname3 type

Definir uma variável com um valor inicial.

// Define variável chamada “variableName”, tipo "type" e valor "value"
var variableName type = value

Definir múltiplas variáveis com valores iniciais.

/*
Define três variáveis de tipo "type" e inicializa seus valores.
vname1 recebe v1, vname2 recebe v2, vname3 recebe v3
*/
var vname1, vname2, vname3 type = v1, v2, v3

Variáveis declaradas sem um valor inicial explicitado darão seu valor zero. Zero para tipos numéricos, false para boleanos e "" (string vazia) para strings.

That's all folks! ✌️

Golang - Meu primeiro Hello World

Diego Alves — Thu, 02 Sep 2021 18:01:55 +0000

O programa “Hello, World!” é um clássico tradicional, consagrado pelo tempo em programação de computadores. É um programa inicial, simples e completo para iniciantes e é uma boa maneira de garantir que seu ambiente esteja devidamente configurado.

package main

import "fmt"

func main() {
  fmt.Println("Hello, World!")
}

package é uma palavra-chave da linguagem Go que define a qual pacote de código esse arquivo pertence. Só pode haver um pacote por pasta e cada arquivo .go deve declarar o mesmo nome de pacote no topo de seu arquivo. Neste exemplo, o código pertence ao pacote main.

import é uma palavra-chave da linguagem Go que diz ao compilador de Go quais outros pacotes você quer usar neste arquivo. Aqui, você importará o pacote fmt que vem com a biblioteca padrão. O pacote fmt fornece funções de formatação e impressão que podem ser úteis durante o desenvolvimento.

A fmt.PrintIn é uma função da linguagem Go, encontrada no pacote fmt, que diz ao computador para imprimir um texto na tela.

A função fmt.Println vem seguida por uma sequência de caracteres, como "Hello, World!", entre aspas. Quaisquer caracteres que estiverem entre aspas são chamados de string. A função fmt.Println imprimirá essa string na tela quando o programa for executado.

Os aplicativos em Go requerem um pacote main e exatamente uma função main(), que serve como ponto de entrada para o aplicativo. A função main
não recebe argumentos e não retorna valores. Em vez disso, ela diz ao
compilador de Go que o pacote deve ser compilado como um pacote
executável.

Uma vez compilado, o código é executado ao inserirmos a função main() no pacote main. Ele executa a linha fmt.Println("Hello, World!") ao chamar a função fmt.Println. O valor da string Hello, World! é enviado, em seguida, para a função. Neste exemplo, a string Hello, World! é também chamada de um argumento, uma vez que é um valor que é enviado para um método.

As aspas que estão em ambos os lados do Hello, World! não são impressas na tela porque você as utiliza para dizer ao Go onde sua string começa e onde termina.