Quick Start #02RequestsPython

/ Sistemas que conversam

Requests.
Comece pelas APIs.

Uma introdução prática para consumir APIs REST, tratar respostas HTTP e levar dados externos para automações, ETLs e sistemas — usando uma API brasileira real de feriados.

GETJSONHTTPPandas

/ Por que usar Requests?

A ponte entre Python e outros sistemas.

Requests simplifica a comunicação HTTP. Em vez de cadastrar dados manualmente, seu código pode consultar serviços externos, enviar informações, integrar plataformas e automatizar processos por API.

cloud_download

Consumir APIs

Busque dados de sistemas internos e serviços externos usando GET, POST e outros métodos HTTP.

hub

Integração

Faça sistemas diferentes conversarem sem depender de exportações e importações manuais.

autorenew

Automação

Consulte status, envie dados, dispare ações e alimente rotinas automáticas a partir de APIs.

data_object

JSON sem complicação

Transforme a resposta de uma API em dicionários e listas Python com uma única chamada a .json().

error_outline

Tratamento de falhas

Controle timeout, códigos HTTP e indisponibilidade para construir integrações mais confiáveis.

security

Autenticação

Trabalhe com headers, tokens e credenciais de API quando o serviço exigir acesso autenticado.

query_stats

ETL e dados

Combine Requests com Pandas para transformar respostas de APIs em bases prontas para análise e BI.

speed

Pouco código

Uma integração HTTP simples pode começar com poucas linhas e evoluir conforme a necessidade do processo.

info

Boa prática: em produção, sempre defina timeout, trate erros e respeite limites da API. Para alto volume, chamadas assíncronas ou integrações muito concorrentes, bibliotecas como HTTPX ou aiohttp podem ser mais adequadas.

Instale e importe

# No terminal, se ainda não tiver as bibliotecas:
pip install requests pandas

import requests
import pandas as pd
from datetime import date

Requests faz a chamada HTTP. Pandas entra depois para organizar a resposta como uma tabela.

Consulte a BrasilAPI

ano = date.today().year
url = f"https://brasilapi.com.br/api/feriados/v1/{ano}"

resposta = requests.get(url, timeout=10)
resposta.raise_for_status()
feriados = resposta.json()

timeout=10 impede espera indefinida. raise_for_status() sinaliza respostas HTTP de erro. .json() transforma a resposta em estruturas Python.

Transforme a resposta em tabela

df = pd.DataFrame(feriados)
df["date"] = pd.to_datetime(df["date"])
df = df.sort_values("date")

df.head()

date	name	weekday
2026-01-01	Confraternização mundial	quinta-feira
2026-02-16	Carnaval	segunda-feira
2026-02-17	Carnaval	terça-feira

Filtre os próximos feriados

hoje = pd.Timestamp.today().normalize()

proximos = df[df["date"] >= hoje]

proximos[[
    "date",
    "name",
    "weekday"
]].head(5)

lightbulb

O que você acabou de aprender?

Você consumiu uma API real, validou a resposta HTTP, converteu JSON em DataFrame e aplicou uma regra de negócio. Esse padrão é comum em integrações, ETLs, calendários operacionais e automações corporativas.

Requests.Comece pelas APIs.