NIAJus Curso 1: Introdução à Estrutura do Judiciário usando Ciência de Dados - Linhas, palavras e caracteres de um documento digital

NIAJus - Curso 1 - Ciclo 2 - vídeo 2 (c2.v2) Para se inscrever no curso no qual se insere este vídeo visite https://cursos.niajus.org. Olá. Eu sou Larissa Santos. Este é o curso de Introdução à Estrutura do Judiciário Usando Ciência de Dados desenvolvido pelo NIAJus. Nessa aula eu vou te apresentar uma forma contar o número de linhas, palavras e caracteres usando o comando !wc do linux aqui no Google Colab. Nas últimas aulas a gente deu nossos primeiros passos no Google Colab e agora a gente pode finalmente explorar nosso dataset, que é um arquivo do tipo planilha. Assim, a primeira coisa que vamos fazer é identificar a estrutura dos dados que estão presentes nesse dataset, ou seja, quantas linhas e quantas colunas existem nessa planilha. Mas antes disso vamos começar organizando um pouco mais nosso ambiente aqui no Google Colab, adicionando mais uma aba para nossos códigos e textos do ciclo 2. Para isso vamos criar uma nova célula de texto e aí escrever nela “# **Metadados**”. Dessa forma a gente criou um “novo capítulo” e os códigos e textos que vierem abaixo dessa célula vão estar dentro dessa aba. Os asteriscos vão deixar o texto em negrito. Vamos criar mais uma aba com o nome “## Linhas, palavras e caracteres de um documento digital”. Com esses dois jogos da velha nós criamos um “subcapítulo” que vai estar dentro do capítulo que a gente fez. Acho que já deu para entender como funciona essa organização de células no Google Colab, e a partir de agora eu não vou mais repetir esse processo. Ok! Para saber quantas linhas há no documento a gente pode iniciar utilizando o comando de sistema operacional linux chamado “wc”, que dentro do notebook do Google Colab é executado com o uso de uma exclamação na frente, assim: !wc wc é o acrônimo para "word count" que é um comando do linux que conta a quantidade de linhas, palavras e caracteres contidas em um documento. E aí uma coisa importante de saber é que a grande maioria das aplicações de ciência de dados, aprendizagem de máquina e inteligência artificial é feita no sistema operacional Linux. O Google Colab, e seus notebooks, também é executado sobre o sistema operacional Linux. Nesse curso nós vamos ver poucos comandos do Linux, então se você quer saber mais sobre o Linux é bom conhecer o Guia Linux, que está nesse link aqui: https://guialinux.uniriotec.br O uso de exclamação dentro do Google Colab permite que seja executado um comando do linux dentro do Colab. Para conhecer mais sobre o comando wc você pode acessar esse link aqui também: https://guialinux.uniriotec.br/wc/. Então como a gente escreve? Primeiro: !wc E depois o caminho do documento no Google Drive. !wc "localDoArquivo" Para isso a gente precisa copiar e colar o caminho da planilha, então a gente vai aqui no ícone de arquivos, aperta nele e procura a pasta que a gente fez chamada NIAJus, então é só achar o documento, clicar nos três pontinhos e pedir para copiar o caminho. Agora voltamos para nossa célula de código, damos um espaço depois do comando !wc e colamos o caminho do documento. Podemos executar nosso código e o Colab vai retornar três números. O primeiro deles de valor XXXX representa a quantidade de fatos contidos dentro desse documento, ou seja, número de linhas. Esses fatos ou registros aqui ocorreram em junho de 2022 no sistema de justiça do Brasil. O segundo valor, de XXXX, representa a quantidade de palavras contidas no documento. E esse último valor, o terceiro valor que eu nem vou tentar ler kkkk representa o total de caracteres que existem dentro do nosso dataset. Bom, nessa aula é só. Te vejo na próxima aula para a gente descobrir qual é o número de colunas do nosso dataset. Tchau!