Matricule-se
Voltar para o blog
Python

Guia Completo das Principais Bibliotecas Python

Rodrigo Silva Harder

Este guia vai apresentar uma visão geral das principais bibliotecas Python e onde elas são aplicadas.

Introdução

Fala, impressionador!

Se você trabalha com Python ou está começando agora, provavelmente já ouviu falar de bibliotecas como Pandas, NumPy ou Flask. Mas você sabe exatamente o que cada uma faz e quando usar?

Neste guia completo, você vai conhecer todas as principais bibliotecas Python explicadas de forma simples e prática, organizadas por categoria de uso.

Vamos mostrar quando usar cada uma, quais são as diferenças entre ferramentas similares e como elas podem resolver seus problemas do dia a dia.

Então, vem comigo!

As principais bibliotecas do Python se dividem por área: para dados, Pandas, NumPy, Polars e OpenPyXL; para inteligência artificial e machine learning, Scikit-Learn, PyTorch, TensorFlow, LangChain e Hugging Face; e para automação e web scraping, Requests, Selenium e Beautiful Soup. São pacotes externos instalados com pip que ampliam o que o Python faz, sem reescrever código já consolidado pela comunidade.

Manipulação e Análise de Dados

Pandas

O Pandas é a biblioteca mais importante quando falamos de dados em Python. Se você trabalha com análise de dados, ciência de dados, engenharia de dados ou qualquer área que envolva manipulação de informações, o Pandas é essencial.

O Pandas permite importar bases de dados de diferentes formatos (Excel, CSV, SQL e muito mais), organizar essas informações em estruturas chamadas DataFrames (que funcionam como tabelas) e realizar análises, transformações e extrações de insights de forma eficiente.

Ele transforma operações complexas em código simples. Em vez de percorrer linha por linha de uma planilha manualmente, o Pandas processa tudo de uma vez, economizando tempo e tornando o código muito mais rápido.

NumPy

O NumPy é a fundação sobre a qual o Pandas foi construído. Ele serve principalmente para operações matemáticas e matriciais em Python.

Permite trabalhar com arrays (listas numéricas) de forma extremamente eficiente, realizando cálculos matemáticos complexos em alta velocidade.

O NumPy foi escrito em C, uma linguagem muito mais rápida que Python puro. Por isso, quando você faz operações com milhões de números, o NumPy consegue processar tudo rapidamente.

Polars

O Polars é o concorrente mais moderno do Pandas, construído em Rust para ser ainda mais rápido. Ele usa processamento paralelo e técnicas modernas de otimização, tornando-o ideal para bases de dados muito grandes onde o Pandas pode travar seu computador.

Portanto, se você está trabalhando com milhões de linhas e seu computador está ficando lento com o Pandas, o Polars pode ser a solução. Caso contrário, fique com o Pandas, que tem muito mais recursos e uma comunidade maior.

PySpark

O PySpark é a ferramenta padrão para trabalhar com Big Data. Ele consegue dividir tarefas entre vários computadores ao mesmo tempo (processamento distribuído). Isso significa que, em vez de um computador processar tudo sozinho, você pode usar a capacidade de vários computadores trabalhando juntos.

Seu uso é essencial quando suas bases de dados são tão grandes que o Pandas ou Polars não conseguem processar, estamos falando de terabytes de informação.

OpenPyXL

Se sua empresa ainda trabalha muito com Excel e você quer automatizar planilhas mantendo a formatação visual, o OpenPyXL é a escolha certa.

Diferença entre OpenPyXL e Pandas para Excel:

  • Pandas: trabalha apenas com os dados brutos da planilha, ignorando cores, fórmulas e formatações;
  • OpenPyXL: permite criar e editar planilhas com cores, fórmulas, gráficos e toda a formatação visual do Excel.

Inteligência Artificial e Machine Learning

Scikit-Learn

O Scikit-Learn é a principal biblioteca para criar modelos de Machine Learning em Python. Com ele é possível criar modelos para prever valores, como preços de casas, classificar informações, como identificar spam em e-mails, agrupar dados semelhantes e muito mais.

Ele é bastante utilizado para implementar os principais algoritmos de Machine Learning de forma simples e intuitiva, permitindo que você crie modelos poderosos com poucas linhas de código e consiga resolver problemas de previsão e classificação.

PyTorch e TensorFlow

Essas são as duas bibliotecas que permitiram o crescimento explosivo das IAs generativas que temos atualmente. Ambos permitem criar redes neurais profundas (Deep Learning) para tarefas complexas como reconhecimento de imagem, processamento de linguagem natural e criação de IA ‘s como o Chat GPT.

Qual a diferença entre PyTorch e TensorFlow?

  • PyTorch: Mais intuitivo e usado em pesquisa acadêmica;
  • TensorFlow: Mais usado em produção por grandes empresas.

LangChain

O LangChain é o padrão do mercado para integrar modelos de linguagem (LLMs) como Chat GPT, Gemini e Claude em suas aplicações, principalmente para criar sistemas RAG, ou seja, modelos que utilizam informações que não são nativas daquele modelo de linguagem, como PDF e bases de dados da sua empresa.

Essa biblioteca padroniza todo o processo de uso de IAs, desde conectar com a API do modelo até gerenciar memória, processar documentos e criar agentes de IA.

Hugging Face

O Hugging Face funciona como uma loja de aplicativos de modelos de IA. Nele há milhares de modelos prontos para tradução, transcrição de áudio, geração de imagens, análise de sentimentos e muito mais.

Ícone PythonPython Impressionador

Você vai aprender a linguagem de Programação que mais cresce no Mundo para fazer automações incríveis, desenvolver sites, fazer análises de dados, trabalhar com Ciência de Dados, Inteligência Artificial, mesmo que você nunca tenha tido nenhum contato com Programação na vida.

Começar agoraSeta para a direita
Fundo PythonTelas Python
Luz Python

Automação e Web Scraping

Requests

A biblioteca Requests é a forma mais usada de fazer requisições HTTP em Python. Ela permite que seu código Python se conecte com sites e APIs da internet para buscar ou enviar informações.

Beautiful Soup

O Beautiful Soup organiza e limpa o código HTML de sites para você extrair informações específicas. Por exemplo, você faz uma requisição com Requests, recebe o código HTML do site e usa o Beautiful Soup para filtrar e extrair apenas as informações que precisa como preços de produtos, informações de contato ou notícias.

Playwright e Selenium

Tanto o Playwright quanto o Selenium permitem automatizar interações com navegadores web. Contudo, o Playwright é mais moderno e rápido Alguns exemplos são: preencher formulários automaticamente, fazer login em sites, navegar por páginas e extrair dados de sites dinâmicos como Youtube.

Scrapy

O Scrapy é feito para raspagem de dados em larga escala. Enquanto o Beautiful Soup processa um site por vez, o Scrapy consegue fazer requisições paralelas para centenas ou milhares de sites simultaneamente. Portanto, seu uso é excelente quando você precisa extrair dados de muitos sites ao mesmo tempo.

PyAutoGUI

O PyAutoGUI controla o mouse e teclado do seu computador automaticamente. Com esta ferramenta, qualquer tarefa repetitiva que você faz no computador pode ser automatizada: clicar em botões, digitar textos, preencher formulários e muito mais. Por isso, serve para criar robôs que automatizam processos que não têm API disponível.

Desenvolvimento Web

FastAPI

O FastAPI é a biblioteca mais moderna para criar APIs em Python. Ela suporta processamento assíncrono, permitindo que sua API responda a milhares de requisições simultâneas de forma eficiente.

Django

O Django é o framework mais completo para criar sites com Python, por exemplo, o próprio Instagram. Com esta biblioteca, você tem acesso à: sistemas de autenticação de usuários(as), painel administrativo, conexão com banco de dados, sistemas de templates e segurança integrada.

Flask

O Flask é um micro-framework, muito mais simples que o Django, em que você insere as funcionalidades conforme precisar. Ele é leve e fácil de aprender, perfeito para iniciantes ou projetos pequenos.

Pydantic

O Pydantic valida dados automaticamente. Em aplicações web, recebemos dados de várias fontes. O Pydantic, em conjunto com FastAPI, Django ou Flask, garante que esses dados estão no formato correto antes de processar, evitando erros.

Visualização de Dados e Dashboards

Matplotlib e Seaborn

Essas são as bibliotecas clássicas para criar gráficos em Python. O Matplotlib é muito flexível, mas seus gráficos não são bonitos por padrão. O Seaborn cria gráficos mais visuais e atrativos automaticamente.

Plotly

O Plotly cria gráficos interativos por padrão, onde você pode passar o mouse, dar zoom, clicar em legendas para mostrar/esconder dados. Portanto, seu uso é aplicado em dashboards interativos.

Streamlit

O Streamlit permite criar aplicações web de dados em minutos. Por exemplo, você escreve código Python puro e o Streamlit transforma automaticamente em um site bonito e interativo, sem precisar saber HTML, CSS ou JavaScript. Por isso, ele serve para compartilhar análises de dados, modelos de Machine Learning ou dashboards com sua equipe de forma rápida.

Bibliotecas Utilitárias

Aqui temos algumas bibliotecas para implementar funcionalidades específicas:

  •  PyInstaller transforma seu código Python em um arquivo executável. Com ele, a pessoa pode clicar duas vezes no arquivo e usar seu programa, sem precisar ter Python instalado;
  • SMTPLib e Email: bibliotecas padrão do Python para enviar e-mails automaticamente;
  • Pickle: salva qualquer objeto Python em um arquivo. Por exemplo, você treinou um modelo de Machine Learning que demorou 3 horas. Com o Pickle, você salva esse modelo treinado e pode carregá-lo em segundos depois;
  • PyTest: biblioteca padrão para criar testes automatizados em Python que garantem que o código funcione corretamente.

Visão Computacional e Tratamento de Imagens

OpenCV

O OpenCV é a principal biblioteca para visão computacional em Python. Com essa biblioteca você pode: rastrear objetos em vídeos, realizar reconhecimento facial, detecção de movimento e fazer o processamento de imagens em tempo real.

Pillow

O Pillow é usado para edições simples de imagens sem a complexidade do OpenCV. Ele permite: converter formatos, como PNG para JPG, redimensionar imagens, aplicar filtros e processar imagens em lote.

Banco de Dados

SQLAlchemy

O SQLAlchemy é a biblioteca mais usada para trabalhar com bancos de dados SQL em Python. Essa biblioteca permite escrever código Python que se traduz automaticamente em comandos SQL, sem você precisar escrever queries manualmente. Portanto, é utilizado para conectar seu código Python a bancos de dados como PostgreSQL, MySQL ou Oracle.

SQLite

O SQLite é um banco de dados leve que já vem com o Python. Sua aplicação é usada em projetos pequenos que precisam de um banco de dados simples, sem complexidade.

Interface Gráfica

Tkinter

O Tkinter é a biblioteca padrão do Python para criar telas. Com ele é possível: criar janelas com botões, campos de texto, menus e caixas de seleção.

CustomTkinter e TtkBootstrap

O Custom Tkintere TktBootstrap são bibliotecas que deixam o Tkinter mais bonito automaticamente.

Kivy

O Kivy é específico para criar aplicativos mobile (Android e iOS) com Python.

Perguntas frequentes sobre as principais bibliotecas do Python

1. Quais são as principais bibliotecas do Python?

Entre as mais usadas estão Pandas e NumPy (dados), Scikit-Learn, PyTorch e TensorFlow (machine learning), Requests e Selenium (automação e web) e Matplotlib (gráficos). A escolha depende da área em que você atua.

2. O que é uma biblioteca no Python?

É um conjunto de códigos prontos (funções e classes) que você importa para resolver tarefas específicas sem programar do zero. Bibliotecas como Pandas e Requests adicionam recursos poderosos ao Python com poucas linhas.

3. Quais bibliotecas usar para análise de dados?

Pandas é a principal, para manipular tabelas; NumPy, para cálculos numéricos; Matplotlib e Seaborn, para gráficos. Para grandes volumes, Polars e PySpark são alternativas rápidas e escaláveis.

4. Como instalar uma biblioteca Python?

Use o pip no terminal: pip install seguido do nome da biblioteca, por exemplo pip install pandas. O pip baixa o pacote e suas dependências do PyPI e o deixa pronto para importar no seu código.

Conclusão

Agora você tem um guia completo das principais bibliotecas Python do mercado. Lembre-se, não tente aprender tudo de uma vez. Foque nas bibliotecas que resolvem os problemas que você tem atualmente e vá expandindo conforme necessário.

Quer se aprofundar ainda mais? Temos um mini curso de analise de dados no Pyhton e um curso completo de Python. Além disso, se preferir esse conteúdo no formato de vídeo-aula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!

O que você aprende neste vídeo

Resposta rápida: Neste vídeo, o instrutor apresenta as principais bibliotecas do Python organizadas por categoria: dados (pandas, NumPy, Polars, PySpark, openpyxl), IA e LLMs (scikit-learn, PyTorch, TensorFlow, LangChain, Hugging Face), raspagem e automação (Requests, BeautifulSoup, Selenium, Scrapy, PyAutoGUI), web (FastAPI, Django, Flask, Pydantic), visualização (Matplotlib, Plotly, Streamlit) e utilitárias. Para cada uma ele explica o que faz e quando usar.

Neste vídeo (24 min):

  • 0:00 - Dados e big data: pandas (a principal ferramenta de dados), NumPy, Polars, PySpark e openpyxl (Excel).
  • 4:00 - Inteligência artificial: scikit-learn (machine learning), PyTorch e TensorFlow (deep learning).
  • 6:00 - LLMs: LangChain (integrar com ChatGPT/Gemini, criar agentes) e Hugging Face (repositório de modelos).
  • 8:00 - Raspagem e automação: Requests, BeautifulSoup, Selenium/Playwright, Scrapy e PyAutoGUI.
  • 11:00 - Desenvolvimento web: FastAPI, Django, Flask e Pydantic (validação de dados).
  • 14:00 - Visualização e dashboards: Matplotlib/Seaborn, Plotly e Streamlit (apps de dados).
  • 17:00 - Utilitárias: PyInstaller (gerar .exe), smtplib (e-mail), Pickle (salvar variáveis) e Pytest (testes).
  • 19:00 - Visão computacional (OpenCV, Pillow), banco de dados (SQLAlchemy, SQLite) e telas (Tkinter, Kivy).

Hashtag Treinamentos

Para acessar outras publicações de Python, clique aqui!

Quer aprender mais sobre Python com um minicurso básico gratuito?

Posts mais recentes de Python

Posts mais recentes da Hashtag Treinamentos

Rodrigo Silva Harder

Autor do artigo

Rodrigo Silva Harder

Redator de conteúdo na Hashtag Treinamentos. Produzo textos didáticos sobre tecnologia, buscando informar e engajar o público de forma acessível e descomplicada.

Ver mais posts