holandaleo1

class VideoFile():
  def __init__(self, filename):
    self.filename = filename

  def getFile(self):
    return self.filename

  def setFile(self, filename):
    self.filename = filename

holandaleo1

import abc

class Objeto(object):
  
  __metaclass__ = abc.ABCMeta
  
  def __init__(self,nome):
    self.nome = nome
    
  

holandaleo1

class Cliente:
  
  def __init__(self,conta,nome,valor):
    self.__conta = conta
    self.__nome = nome
    self.__valor = valor
    
  def setConta(self,conta):
    self.__conta = conta

holandaleo1

class ReusablePool:

    def __init__(self, size):
        self._reusables = [Credential() for _ in range(size)]

    def acquire(self):
        return self._reusables.pop()

    def release(self, reusable):
        self._reusables.append(reusable)

holandaleo1

class Singleton:
    __unico = None
    __nomeBanco = "Banco"
    __dado = ""

    def setBanco(self, banco):
        Singleton.__nomeBanco = banco

    def getBanco(self):
        return Singleton.__nomeBanco

holandaleo1

from abc import ABC, abstractmethod


class AbstractFactory(ABC):

    @abstractmethod
    def create_car(self):
        pass

    @abstractmethod

holandaleo1

class _Car(object):
    pass


class _Bike(object):
    pass


def factory_method(product_type):
    if product_type == 'car':

holandaleo1

"""
        Exemplo aplicado:Descobrir comportamento de compra.
"""

from collections import Counter
import itertools
import sys

# Parâmetros de suporte e confiança
s = 0.35

holandaleo1

# coding: utf-8
def play(jogoState, jogoLast, jogoStatus, aux):
    print(jogoState)
    if jogoState == jogoLast:
        jogoStatus = False
    else:
        for i in range(0, 8):
            print(i)
            if jogoState[i] != '==>' and jogoState[i + 1] != '==>':
                aux[i] = jogoState[i]

holandaleo1

#Dupla: Leonardo;Thalia 
import numpy as np
from random import randint
import matplotlib.pyplot as plt

def grupos(distancia, data_pont, centro):
    aux_min = min(distancia, key=distancia.get)
    return [aux_min, data_pont, centro[aux_min]]

def calcula_centros(cluster_label, centroides):