Como usar este post

Use este guia para comparar frameworks, escolher a ferramenta certa para seu projeto e copiar trechos de código que aceleram a prototipagem. Todos os exemplos foram aplicados em projetos reais da Herez e os repositórios contêm aplicações completas, scripts de deploy e testes.

Resumo rápido

Frameworks detalhados com exemplos reais

Django

O que é: framework full stack com ORM, sistema de templates, painel administrativo e convenções que aceleram desenvolvimento de aplicações completas.

Por que usar: produtividade alta, segurança integrada e ecossistema maduro para autenticação, internacionalização e deploy.

# Instalação
pip install django

# views.py
from django.shortcuts import render
from .models import Article

def index(request):
    articles = Article.objects.order_by('-published')[:10]
    return render(request, 'blog/index.html', {'articles': articles})

Flask

O que é: microframework minimalista que fornece roteamento, templates e extensões para adicionar funcionalidades conforme necessário.

# Instalação
pip install flask

from flask import Flask, jsonify, request
app = Flask(__name__)

@app.route('/api/predict', methods=['POST'])
def predict():
    data = request.json
    result = model.predict(data['features'])
    return jsonify({'prediction': result.tolist()})

Bottle

O que é: microframework de um único arquivo, ideal para protótipos, demos e APIs muito pequenas.

# Instalação
pip install bottle

from bottle import route, run, request, response

@route('/hello')
def hello():
    return "Hello from Bottle"

run(host='0.0.0.0', port=8080)

CherryPy

O que é: framework minimalista que inclui servidor HTTP embutido, ideal para serviços autônomos e aplicações que precisam de controle fino do servidor.

# Instalação
pip install cherrypy

import cherrypy

class Hello:
    @cherrypy.expose
    def index(self):
        return "Hello CherryPy"

cherrypy.quickstart(Hello())

Pyramid

O que é: framework flexível que permite começar pequeno e crescer; suporta diferentes estilos de roteamento e autenticação.

# Instalação
pip install pyramid

from pyramid.config import Configurator
from pyramid.response import Response

def hello_world(request):
    return Response('Hello Pyramid')

if __name__ == '__main__':
    with Configurator() as config:
        config.add_route('hello', '/')
        config.add_view(hello_world, route_name='hello')
        app = config.make_wsgi_app()

Web2py

O que é: framework full stack com foco em produtividade e segurança, inclui IDE web e ferramentas integradas.

# Instalação
pip install web2py

# controller default.py
def index():
    rows = db(db.article).select(orderby=~db.article.created_on)
    return dict(rows=rows)

TurboGears

O que é: framework full stack modular que combina componentes para criar aplicações escaláveis e organizadas.

# Instalação
pip install TurboGears2

# controller example
from tg import expose, TGController

class RootController(TGController):
    @expose('json')
    def index(self):
        return {'status': 'ok'}

CubicWeb

O que é: framework orientado a dados e semântico, ideal para aplicações que modelam domínios complexos e ontologias.

# Instalação
pip install cubicweb

# esquema e views são definidos por componentes; exemplo simplificado
# define entidades e relações, depois gere views automaticamente

Dash

O que é: framework para construir dashboards interativos e aplicações de visualização de dados com componentes reativos.

# Instalação
pip install dash

import dash
from dash import html, dcc
import plotly.express as px

app = dash.Dash(__name__)
df = px.data.iris()
fig = px.scatter(df, x='sepal_width', y='sepal_length', color='species')

app.layout = html.Div([
    dcc.Graph(figure=fig)
])

if __name__ == '__main__':
    app.run_server(debug=True)

Falcon

O que é: microframework focado em performance para construir APIs REST de alta velocidade.

# Instalação
pip install falcon

import falcon
import json

class Resource:
    def on_get(self, req, resp):
        resp.media = {'status': 'ok'}

app = falcon.App()
app.add_route('/health', Resource())

Comparação prática

Boas práticas Herez para desenvolvimento web

• Escolha pelo escopo: use Django para aplicações completas; Flask ou Falcon para APIs; Dash para dashboards interativos.
• Arquitetura: separe apresentação, lógica e persistência; prefira microserviços quando precisar escalar independentemente.
• Segurança: valide entradas, use HTTPS, proteja endpoints e gerencie segredos com cofre de segredos.
• CI/CD: automatize testes, linting e deploy; inclua testes de integração e smoke tests para cada release.
• Repositórios Herez: exemplos completos, templates de projeto e pipelines de CI usados em projetos reais da Herez estão disponíveis nos repositórios GitHub e GitLab da Herez.

Próximo post da série

No próximo artigo cobriremos bibliotecas Python para Web Scraping com exemplos práticos, estratégias de coleta ética e pipelines para transformar dados brutos em insights.

Como usar este post

Cada seção traz: descrição, por que usar, instalação, exemplo prático e contexto de projeto. Os trechos de código são reproduzíveis e foram aplicados em projetos reais da Herez; os repositórios contêm notebooks e pipelines completos.

Resumo rápido

Bibliotecas detalhadas com exemplos reais

OpenCV

O que é: biblioteca abrangente para visão computacional e processamento de imagens, otimizada para desempenho e uso em tempo real.

Por que usar: algoritmos prontos para detecção de objetos, reconhecimento facial, transformações geométricas, calibração de câmeras e tracking; integração direta com C++/Python para produção.

# Instalação
pip install opencv-python

import cv2
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)
blur = cv2.GaussianBlur(img, (5,5), 0)
edges = cv2.Canny(blur, 50, 150)
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (255,0,0), 2)
cv2.imwrite('contours.jpg', img)

Mahotas

O que é: biblioteca de processamento de imagens com implementações em C++ para desempenho, oferecendo filtros, morfologia e extração de features.

# Instalação
pip install mahotas

import mahotas as mh
import numpy as np
img = mh.imread('input.png', as_grey=True)
textures = mh.features.haralick(img).mean(axis=0)
print('Haralick features:', textures)

scikit-image

O que é: coleção de algoritmos de processamento e análise de imagem em Python, com foco em clareza e integração com NumPy/SciPy.

# Instalação
pip install scikit-image

from skimage import io, filters, morphology
img = io.imread('input.jpg', as_gray=True)
denoised = filters.gaussian(img, sigma=1)
th = filters.threshold_otsu(denoised)
mask = denoised > th
clean = morphology.remove_small_objects(mask, min_size=500)
io.imsave('segmented.png', clean.astype('uint8')*255)

pgmagick

O que é: bindings Python para GraphicsMagick, permitindo manipulação avançada de imagens, conversão de formatos e operações de alta qualidade.

# Instalação (pode requerer dependências do sistema)
pip install pgmagick

from pgmagick import Image
img = Image('input.tif')
img.resize('800x600')
img.quality(85)
img.write('output.jpg')

SimpleITK

O que é: toolkit focado em imagens médicas, com suporte a DICOM, registro, segmentação e análise volumétrica; projetado para pesquisa e aplicações clínicas.

# Instalação
pip install SimpleITK

import SimpleITK as sitk
fixed = sitk.ReadImage('fixed.nii')
moving = sitk.ReadImage('moving.nii')
initial_transform = sitk.CenteredTransformInitializer(fixed, moving, sitk.Euler3DTransform())
registration = sitk.ImageRegistrationMethod()
registration.SetMetricAsMeanSquares()
registration.SetOptimizerAsRegularStepGradientDescent(learningRate=1.0, minStep=1e-6, numberOfIterations=200)
registration.SetInitialTransform(initial_transform, inPlace=False)
final_transform = registration.Execute(fixed, moving)
resampled = sitk.Resample(moving, fixed, final_transform, sitk.sitkLinear, 0.0, moving.GetPixelID())
sitk.WriteImage(resampled, 'registered.nii')

Comparação prática e recomendações Herez

Boas práticas Herez

• Combine ferramentas: use OpenCV para etapas em tempo real e scikit-image/Mahotas para análise científica e extração de features.
• Ambientes isolados: crie ambientes virtuais (venv ou conda) e registre versões em requirements.txt para reprodutibilidade.
• Documente dependências nativas: automatize instalação de bibliotecas do sistema para pgmagick e SimpleITK no CI.
• Valide com métricas: use IoU, Dice, PSNR e SSIM para avaliar qualidade antes de produção.
• Repositórios Herez: exemplos completos, notebooks e pipelines usados em projetos reais por Herez estão disponíveis nos repositórios GitHub e GitLab da Herez.

Próximo post da série

No próximo artigo cobriremos bibliotecas Python para Web Scraping, com exemplos práticos, estratégias de coleta ética e pipelines para transformar dados brutos em insights.

Como usar este post

Cada seção descreve a biblioteca, por que usá‑la, comando de instalação e exemplos de casos de uso. Use este guia para comparar ferramentas e montar um fluxo de testes automatizados adequado ao seu time e produto.

Resumo rápido

Bibliotecas detalhadas

Splinter

O que é: biblioteca que simplifica a automação de navegadores, oferecendo uma API de alto nível que pode usar drivers como Selenium, zope.testbrowser ou outros backends.

Por que usar: ideal para escrever testes de interface web com menos boilerplate que o Selenium puro; facilita ações comuns (clicar, preencher formulários, navegar) em testes de aceitação.

# Instalação
pip install splinter

Casos de uso: testes de fluxo de usuário em aplicações web, validação de formulários, smoke tests de UI e automação de tarefas simples no navegador.

Robot Framework

O que é: framework de automação baseado em palavras‑chave, orientado a testes de aceitação e automação de processos (RPA). Fornece sintaxe legível por humanos e integrações com bibliotecas externas.

Por que usar: excelente para equipes que preferem escrever casos de teste em formato tabular/keyword-driven; facilita colaboração entre desenvolvedores, QA e stakeholders não técnicos.

# Instalação
pip install robotframework

Casos de uso: testes de aceitação, automação de processos repetitivos, integração com Selenium para testes de UI e cenários de RPA.

Behave

O que é: framework para BDD (Behavior Driven Development) que usa a linguagem Gherkin para descrever comportamentos em cenários legíveis (Given/When/Then).

Por que usar: quando você quer alinhar requisitos e testes com stakeholders, transformando especificações em cenários executáveis que servem como documentação viva.

# Instalação
pip install behave

Casos de uso: especificação e validação de requisitos, testes de aceitação automatizados e colaboração entre times de produto e QA.

PyUnit / unittest

O que é: implementação em Python do estilo xUnit, incluída na biblioteca padrão como unittest (historicamente conhecida como PyUnit).

Por que usar: disponível por padrão, com estrutura familiar (TestCase, setUp, tearDown) e compatibilidade com muitas ferramentas e runners.

# Uso básico (não requer instalação)
python -m unittest discover

Casos de uso: testes unitários clássicos, integração com CI e projetos que preferem dependências mínimas e API xUnit tradicional.

PyTest

O que é: framework de testes moderno e amplamente adotado, conhecido por sintaxe simples, fixtures poderosas e ecossistema de plugins.

Por que usar: reduz boilerplate, suporta parametrização, fixtures reutilizáveis e integrações com ferramentas de cobertura e mocks; é frequentemente recomendado como primeira escolha para novos projetos Python.

# Instalação
pip install pytest

Casos de uso: testes unitários, testes de integração, testes parametrizados, TDD e pipelines de CI. PyTest é frequentemente escolhido por sua simplicidade e extensibilidade.

Comparação rápida

Boas práticas para testes automatizados

• Separe testes por camadas: unitários, integração e aceitação.
• Use ambientes isolados e dados de teste controlados; evite dependências externas nos testes unitários.
• Automatize execução em CI e gere relatórios de cobertura e falhas.
• Prefira PyTest para novos projetos, mantendo compatibilidade com unittest quando necessário.
• Use Robot ou Behave quando stakeholders não técnicos precisarem ler ou escrever cenários de teste.

Próximo post da série

No próximo artigo cobriremos bibliotecas Python para Processamento de Imagens (Pillow, OpenCV, scikit-image), com exemplos práticos de pipelines de pré‑processamento e análise.