Bellacosa Mainframe do jcl ao json laboratorio pratico

🧪 LABORATÓRIO — DO JCL AO JSON

🐍 Missão: Dominar dados reais com Python

👉 Formato: desafios práticos
👉 Nível: iniciante → intermediário
👉 Ideal para 1–2 dias de hands-on
👉 Pode virar curso ou workshop

---

🔹 BLOCO 1 — Arquivos (I/O)

🧩 Desafio 1 — Leitor de arquivo sequencial

Crie um programa que:

• Leia clientes.txt
• Mostre número total de linhas
• Mostre a primeira e última linha

💡 Analog: processamento sequencial COBOL

---

🧩 Desafio 2 — Contador de registros válidos

Arquivo contém linhas vazias e comentários iniciados por #.

Conte apenas registros válidos.

---

🧩 Desafio 3 — Gerador de arquivo batch

Crie um arquivo relatorio.txt contendo:

• Data/hora atual
• Total de registros processados
• Status “OK”

---

🧩 Desafio 4 — Conversor TXT → CSV

Entrada:

123;Ana;1200
456;João;950

Produza um CSV com cabeçalho.

---

🧩 Desafio 5 — Copiador com filtro

Copie transacoes.txt para aprovadas.txt
apenas registros com valor > 1000.

---

🔹 BLOCO 2 — Pandas (Dados tabulares)

🧩 Desafio 6 — Carregar dataset

Use Pandas para:

• Ler um CSV
• Mostrar as 5 primeiras linhas
• Mostrar número de registros

---

🧩 Desafio 7 — Filtro de negócios

Mostre apenas clientes com saldo > 1000.

Ordene por saldo decrescente.

---

🧩 Desafio 8 — Estatísticas rápidas

Calcule:

• Média do saldo
• Máximo
• Mínimo
• Total

---

🧩 Desafio 9 — Agrupamento

Agrupe clientes por cidade e conte quantos há em cada uma.

💡 Similar a GROUP BY

---

🧩 Desafio 10 — Pipeline batch moderno

Leia um CSV → filtre → salve novo CSV com resultados.

---

🔹 BLOCO 3 — NumPy (Processamento numérico)

🧩 Desafio 11 — Operações vetoriais

Crie dois arrays e calcule:

• Soma elemento a elemento
• Produto elemento a elemento
• Produto escalar

---

🧩 Desafio 12 — Matriz de desempenho

Simule vendas por região:

• Matriz 3×4
• Calcule totais por linha e coluna

---

🔹 BLOCO 4 — APIs (Integração moderna)

🧩 Desafio 13 — Consumidor de API

Use uma API pública (ex.: cotação de moedas).

Exiba:

• Valor atual
• Data/hora
• Fonte

💡 Biblioteca: requests

---

🧩 Desafio 14 — API → DataFrame

Obtenha dados JSON de uma API e:

• Converta para Pandas
• Mostre estatísticas
• Salve em CSV

---

🔹 BLOCO 5 — Web Scraping

🧩 Desafio 15 — Minerador de dados web

Extraia dados de uma página pública:

• Títulos de notícias OU
• Tabela da Wikipedia

Salve em arquivo estruturado.

💡 Bibliotecas:

requests
BeautifulSoup
pandas.read_html()

---

🏆 DESAFIO EXTRA (Modo Arquitetura)

🔥 Mega-missão — Pipeline completo

Construa um fluxo:

👉 Coletar dados de API
👉 Complementar com dados de arquivo local
👉 Processar com Pandas
👉 Salvar resultado final

💥 Isso simula um ETL moderno.

---

🎯 O que você dominará ao concluir

✔ Manipulação de arquivos
✔ Processamento tabular
✔ Computação numérica
✔ Integração com sistemas externos
✔ Coleta de dados da web
✔ Data pipelines
✔ Base para Data Science

---

🚀 Tradução para linguagem mainframe

Arquivos → Dataset sequencial

Pandas → DB2 em memória

NumPy → cálculo científico

APIs → integração online

Scraping → coleta automática

🚀 Seu cérebro COBOL está pronto para Python? O guia que acelera a migração em horas, não anos

 

Bellacosa Mainframe apresenta Python para Engenheiros e Analistas de Mainframe

🚀 Seu cérebro COBOL está pronto para Python? O guia que acelera a migração em horas, não anos

Python tornou-se uma linguagem estratégica para engenheiros de mainframe que desejam expandir suas habilidades para automação, integração moderna, Data Engineering e Inteligência Artificial. 

Para profissionais acostumados com COBOL, JCL e DB2, Python oferece um modelo mental mais simples e produtivo, substituindo estruturas como WORKING-STORAGE por variáveis dinâmicas, PERFORM por loops e FILE SECTION por manipulação direta de arquivos. 

Com bibliotecas poderosas e sintaxe clara, é possível automatizar rotinas operacionais, processar logs, integrar sistemas legados a APIs REST, consumir serviços web e construir pipelines de dados com muito menos código. 

Python também facilita DevOps, testes de batch, RPA corporativo e modernização de aplicações críticas. Seu uso crescente em nuvem, analytics e machine learning torna essa linguagem uma ponte natural entre o ambiente z/OS e o ecossistema digital atual. 

Aprender Python é, portanto, um passo essencial para mainframe engineers que desejam permanecer relevantes na transformação tecnológica.

🐍🔥 Cheatsheet Python para Mainframe Engineers

🧠 Mental Model — COBOL → Python

Conceito Mainframe	Equivalente Python
Program	Script / Module
WORKING-STORAGE	Variáveis
PIC clauses	Tipagem dinâmica
PERFORM UNTIL	while
PERFORM VARYING	for
COPYBOOK	Module / Class
FILE SECTION	File handling
DB2 cursor	Iteração
JCL orchestration	Scripts + Scheduler

---

📦 Variáveis (sem DATA DIVISION 😎)

COBOL

01 WS-NUM PIC 9(4) VALUE 100.

Python

ws_num = 100

✔ Sem declaração
✔ Sem tamanho fixo
✔ Tipagem dinâmica

---

📚 Estruturas de Dados — “Working Storage Turbo”

🔹 List → Tabelas OCCURS

clientes = ["Ana", "João", "Maria"]
clientes.append("Carlos")

👉 Similar a:

OCCURS n TIMES

---

🔹 Dictionary → Registro com campos nomeados

cliente = {
    "nome": "Ana",
    "saldo": 1500
}

👉 Mistura de:

✔ Registro
✔ Índice por chave
✔ Estrutura dinâmica

---

🔹 Tuple → Registro imutável

coordenada = (10, 20)

👉 Ideal quando dados não devem mudar.

---

🔹 Set → Lista sem duplicatas

codigos = {101, 102, 102, 103}

Resultado:

{101, 102, 103}

👉 Excelente para deduplicação de dados.

---

🔎 Indexação

nome = "BELLACOSA"

nome[0]   # B
nome[-1]  # A

👉 Python começa em ZERO (como C, não como COBOL).

---

⚖️ Condições (IF sem THEN/END-IF)

saldo = 100

if saldo > 0:
    print("Positivo")
else:
    print("Negativo")

---

🔁 Loops

🔹 For (PERFORM VARYING)

for i in range(5):
    print(i)

---

🔹 For em coleção

for cliente in clientes:
    print(cliente)

👉 Cursor implícito.

---

🔹 Enumerate (índice + valor)

for i, nome in enumerate(clientes):
    print(i, nome)

---

🔹 While (PERFORM UNTIL)

x = 0

while x < 5:
    print(x)
    x += 1

---

🧩 Funções (Subprogramas leves)

def calcular_taxa(valor):
    return valor * 0.05

Chamada:

taxa = calcular_taxa(1000)

---

📏 Built-ins que substituem muito código COBOL

len(lista)        # tamanho
sum(lista)        # soma
max(lista)
min(lista)
sorted(lista)

---

⚠️ Tratamento de Erros (sem Abend 😎)

COBOL

ON EXCEPTION

Python

try:
    x = int("abc")
except ValueError:
    print("Erro de conversão")

---

📂 Arquivos (QSAM moderno)

Leitura

with open("dados.txt", "r") as f:
    for linha in f:
        print(linha)

---

Escrita

with open("saida.txt", "w") as f:
    f.write("Hello Mainframe")

👉 with garante fechamento automático.

---

🧱 Classes (Estruturas + Comportamento)

class Conta:
    def __init__(self, saldo):
        self.saldo = saldo

    def depositar(self, valor):
        self.saldo += valor

Uso:

c = Conta(1000)
c.depositar(500)

---

🔍 Tipos e Debug

type(x)

---

🚀 Automação — O Superpoder

Executar comandos do sistema

import os

os.system("dir")

---

Processar arquivos em lote

import glob

for arquivo in glob.glob("*.txt"):
    print(arquivo)

---

🌐 Integração moderna

Consumir API

import requests

r = requests.get("https://api.github.com")
print(r.status_code)

👉 Equivalente moderno de MQ + Web Services.

---

🧠 Padrões mentais úteis

Python é:

✔ Scriptável
✔ Interativo
✔ Orientado a objetos
✔ Ideal para automação
✔ Excelente para integração

---

💥 Onde Python brilha para Mainframe Engineers

🔥 Automação operacional
🔥 DevOps e pipelines
🔥 Testes de batch
🔥 Processamento de logs
🔥 APIs REST para legado
🔥 Data Engineering
🔥 Machine Learning
🔥 RPA e scripting corporativo

---

☕ Frase estilo War Room

👉 COBOL mantém o mundo funcionando.
Python automatiza o mundo que muda.

🔥💎 MANUAL DO SYSPROG MODERNO — Python no z/OS 💎🔥

Bellacosa Mainframe apresenta o Manual do Sysprog usando Python

 🔥💎 MANUAL DO SYSPROG MODERNO — Python no z/OS 💎🔥

(Guia prático, estratégico e “de campo” para quem quer dominar a automação moderna no IBM Z)

---

🧠 1) A Nova Mentalidade do Sysprog

O sysprog clássico garantia que o sistema não caísse.
O sysprog moderno garante que o sistema:

🚀 Escale
🔄 Se automatize
🌐 Se integre
🛡️ Seja resiliente
⚡ Entregue valor contínuo

👉 Python é a ferramenta-chave dessa transição.

---

🐍 2) Onde Python Vive no z/OS

🐧 USS — UNIX System Services

Python roda aqui.

Pense como:

z/OS
 └── USS (POSIX / UNIX)
      └── Python

Capacidades:

• Processos POSIX

• Shell

• Arquivos zFS

• Sockets

• APIs modernas

• Ferramentas open source

💎 É o “Linux dentro do mainframe” — mas com DNA z/OS.

---

🧰 3) Kit Essencial do Sysprog Python

🔧 Ferramentas Fundamentais

🧱 ZOAU (IBM Z Open Automation Utilities)

O canivete suíço da automação.

Permite:

• Manipular datasets

• Submeter jobs

• Emitir comandos

• Executar utilitários

• Trabalhar com PDS/PDSE

• Integrar com Python e shell

👉 Sem ZOAU, Python no z/OS fica limitado.

---

🌐 Zowe (complementar)

• APIs REST para z/OS

• CLI moderna

• Integração com pipelines

• DevOps-friendly

💎 ZOAU = automação local
💎 Zowe = automação distribuída

---

📁 4) Domínio Total de Dados

🧾 Trabalhando com Datasets

Tipos principais:

• PS (sequencial)

• PDS/PDSE (bibliotecas)

• GDG (versionamento)

• VSAM (via ferramentas)

Com Python + ZOAU:

👉 Criar
👉 Ler
👉 Escrever
👉 Copiar
👉 Excluir
👉 Catalogar

---

⏳ Datasets Temporários

Usos típicos:

• Pipelines batch

• Conversões

• Dados intermediários

Helper importante:

👉 tmp_name() — gera nome válido

⚠️ Não aloca — apenas sugere.

---

📦 Load Modules

Automação comum:

• Deploy de programas

• Validação de bibliotecas

• Copiar PDSEs

• Preparar ambientes

---

🧾 5) Controle de Jobs (JES)

🔄 Automação Batch Completa

Python pode:

🔥 Submeter JCL
🔥 Monitorar status
🔥 Detectar ABEND
🔥 Ler spool
🔥 Extrair resultados
🔥 Disparar ações

👉 Isso cria pipelines inteligentes no mainframe.

---

🖥️ 6) Operador Virtual

⚡ Comandos de Sistema

Python pode emitir:

• D A,L

• START/STOP

• VARY

• Consultas

• Diagnóstico

💎 É como ter um operador automatizado 24/7.

⚠️ Requer permissões RACF adequadas.

---

🌉 7) Integração Híbrida — O Verdadeiro Poder

Python conecta z/OS com:

☁️ Cloud
🌐 APIs REST
🐧 Linux on Z
📊 Analytics
🤖 AI
📦 Microservices

💡 Exemplo real

1. Job COBOL gera dataset

2. Python extrai dados

3. Converte para JSON

4. Envia para API cloud

5. Atualiza dashboard

👉 Zero mudança no COBOL.

---

🔐 8) Segurança Profissional

❌ Nunca faça

• Hardcode de senhas

• Arquivos plaintext

• Credenciais em scripts

• Bypass de controles

✅ Faça

• Credential vault

• RACF controls

• Environment injection

• Auditoria

💎 Segurança no z/OS é parte da arquitetura, não opcional.

---

⚠️ 9) Armadilhas Clássicas

🔤 EBCDIC vs UTF-8

O “trauma inicial”.

Sempre verifique encoding ao:

• Ler datasets

• Gerar arquivos

• Integrar sistemas

---

📁 Arquivo ≠ Dataset

Diferenças críticas:

• Stream vs registro

• LRECL

• RECFM

• Blocos

• Catalogação

---

📦 PyPI ≠ compatível automaticamente

Alguns pacotes exigem port ou não funcionam.

---

🏭 10) Scripts de Produção

Um script profissional deve ter:

✅ Logs claros
✅ Tratamento de exceções
✅ Retorno adequado (RC)
✅ Idempotência
✅ Configuração externa
✅ Documentação
✅ Monitoramento

👉 Pense como software corporativo, não script pessoal.

---

⚙️ 11) Execução em Batch

🔹 Via BPXBATCH

Integra USS ao JES.

Exemplo conceitual:

JCL → BPXBATCH → Python → USS → z/OS recursos

---

🧠 12) Quando Python é a Melhor Escolha

Use quando precisar:

🔥 Automação complexa
🔥 Integração externa
🔥 Manipulação de dados
🔥 Orquestração
🔥 DevOps
🔥 Monitoramento
🔥 Self-healing

---

❌ Quando NÃO Usar

Não substitui:

• COBOL transacional massivo

• Código de baixo nível

• Componentes críticos de performance

• Kernel z/OS

• Drivers

👉 Python é o maestro, não o motor.

---

💎 13) Casos de Uso de Elite

🏦 Bancos e grandes empresas usam para:

• Deploy automatizado de aplicações

• Monitoramento inteligente

• Gestão de capacidade

• Integração com cloud

• Automação de incidentes

• Compliance automatizado

• CI/CD mainframe

---

🥚 14) Easter Eggs & Curiosidades

🥚 Python não substitui REXX — ambos coexistem

REXX domina TSO clássico
Python domina automação moderna

---

🥚 O mainframe hoje é uma das plataformas mais “open” do mundo

Suporta:

• Linux

• Containers

• Kubernetes

• Open source

• APIs modernas

• Cloud integration

---

🥚 Muitos shops usam Python silenciosamente

Porque modernização é vantagem competitiva.

---

🥚 Python no z/OS é estratégico para o futuro da plataforma

IBM aposta nisso para atrair novas gerações.

---

🏆 Conclusão — O Sysprog Moderno

👉 Não é apenas operador do sistema
👉 É arquiteto de automação
👉 Engenheiro de integração
👉 Guardião da confiabilidade

Python é a linguagem que permite isso.

 

Bellacosa Mainframe introduz o Python ao Jedi Cobol

🔥 COBOL NÃO MORREU… MAS SE VOCÊ NÃO APRENDER PYTHON, SUA CARREIRA PODE!

☕ Um Café no Bellacosa Mainframe

Se você é coboleiro raiz, daqueles que já brigou com JCL às 3 da manhã e já domou um CICS em produção… deixa eu te contar uma verdade que ninguém fala alto:

👉 Python não veio substituir você. Ele veio ampliar o seu poder.

Mas tem um detalhe…
Quem não entender isso rápido vai virar peça de museu — junto com aquele manual de VSAM encadernado.

---

🧠 O Choque Cultural: COBOL vs Python

O primeiro impacto é inevitável:

COBOL	Python
Verboso	Minimalista
Estruturado	Dinâmico
Tipado rígido	Tipagem dinâmica
Batch	Tempo real / APIs

👉 O coboleiro pensa: “Cadê o WORKING-STORAGE?”
👉 O Python responde: “Relaxa, confia…”

E é aqui que começa a transformação.

---

🚀 O que um Coboleiro PRECISA dominar em Python

1. 🧩 Pensar em dados como objetos (não só registros)

No COBOL:

01 CLIENTE.
   05 NOME PIC X(30).
   05 IDADE PIC 9(3).

No Python:

cliente = {
    "nome": "Bellacosa",
    "idade": 42
}

💡 Dica Bellacosa:
Pare de pensar em "layout fixo". Python vive no mundo flexível.

---

2. 🔁 Loops sem sofrimento (adeus PERFORM VARYING)

COBOL:

PERFORM VARYING I FROM 1 BY 1 UNTIL I > 10

Python:

for i in range(1, 11):
    print(i)

👉 Mais curto. Mais claro. Mais perigoso (se você não entender bem 😏).

---

3. 📦 Trabalhar com APIs (o novo "CALL")

Aqui está o divisor de águas.

COBOL chama programa.
Python conversa com o mundo.

import requests

response = requests.get("https://api.exemplo.com/clientes")
dados = response.json()

💥 Isso aqui é o novo CICS, meu amigo.

---

4. 🧠 Manipulação de dados (o novo poder absoluto)

Se você domina SORT, IDCAMS… segura isso:

import pandas as pd

df = pd.read_csv("clientes.csv")
df_filtrado = df[df["idade"] > 30]

👉 Você acabou de fazer algo que no mainframe levaria JCL + SORT + programa COBOL.

---

5. 🧪 Script rápido (o anti-batch)

No COBOL:

• Escreve
• Compila
• Linka
• Executa

No Python:

python programa.py

😳 Sim… é só isso.

---

⚠️ Armadilhas que o Coboleiro cai

❌ 1. Tentar “escrever COBOL em Python”

Indentação errada, código travado, sem aproveitar o poder real.

❌ 2. Ignorar exceções

COBOL trata erro de forma explícita.
Python? Se você não tratar… 💣 BOOM.

try:
    x = 10 / 0
except ZeroDivisionError:
    print("Erro controlado!")

---

❌ 3. Não entender ambiente (virtualenv)

No mainframe: ambiente é controlado.
No Python: você cria o seu universo.

python -m venv meu_ambiente

---

🧠 Curiosidade de Bastidores

Sabia que:

👉 Bancos usam Python HOJE para:

• Machine Learning
• Antifraude
• Automação de batch moderno

👉 E sabe quem entende melhor regra de negócio?

🔥 O COBOLZEIRO.

---

💡 Ideias práticas para começar HOJE

• Criar um leitor de arquivo VSAM exportado (CSV)
• Simular um batch COBOL em Python
• Criar uma API simples que expõe dados do mainframe
• Automatizar relatórios que você fazia em JCL

---

☕ O Segredo que ninguém te conta

Python não substitui COBOL.

👉 Python potencializa COBOL.

O profissional mais valioso hoje não é:

• o que só sabe COBOL
• nem o que só sabe Python

🔥 É o que sabe traduzir os dois mundos.

---

🎯 Conclusão estilo Bellacosa

Se você já domina:

• lógica
• processamento
• regra de negócio
• performance

Então você já tem 70% do que precisa.

👉 Python é só a nova interface do poder que você já tem.

---

🚨 Provocação final

Você quer continuar sendo:

• operador de legado…

ou

🔥 arquiteto da nova geração híbrida (Mainframe + APIs + Python)?

---

 

Bellacosa Mainframe comenta sobre as Bibliotecas do Python

🔥 “IMPORT QUEBRANDO O JCL: As Bibliotecas Python que TODO COBOL Developer Precisa Conhecer (Antes que Seja Tarde!)”

Se você viveu anos dominando COBOL, JCL, SORT, VSAM e DB2, prepare-se: no mundo Python, tudo começa com uma única instrução que parece inocente… mas carrega um poder absurdo:

import alguma_coisa

Sim… o famoso IMPORT é o equivalente moderno do seu EXEC PGM=, do seu CALL, do seu COPYBOOK — só que MUITO mais flexível, dinâmico e (às vezes) até perigoso 😏

Hoje você vai conhecer as principais bibliotecas Python — no estilo Bellacosa Mainframe — com história, analogias com o mundo z/OS, exemplos práticos e até alguns easter eggs escondidos 👀

---

🧠 O que é o import para um COBOL Developer?

Antes de sair listando bibliotecas, vamos traduzir:

COBOL / Mainframe	Python
COPYBOOK	import module
CALL program	import + função
JCL EXEC	execução via script
STEPLIB	sys.path
Load Module	pacote instalado

👉 Em Python, tudo é módulo.
👉 E cada módulo é carregado com import.

---

🚀 1. math — O “COMPUTE TURBO” do Python

📜 Origem

Biblioteca padrão do Python, baseada na linguagem C. É tão antiga quanto o próprio Python (criado por Guido van Rossum nos anos 90).

💡 Analogia Mainframe

É o seu COMPUTE, só que com superpoderes científicos.

🔧 Exemplo

import math

print(math.sqrt(144))  # 12
print(math.pi)         # 3.14159...

🥚 Easter Egg

import this

💥 NÃO é math… mas imprime o Zen do Python (leitura obrigatória!)

---

📊 2. pandas — O “SORT + ICETOOL + FILE-AID” em Esteroides

📜 Origem

Criado por Wes McKinney enquanto trabalhava com dados financeiros.

💡 Analogia Mainframe

👉 É o seu DFSORT + ICETOOL + JOINKEYS + relatório… tudo junto!

🔧 Exemplo

import pandas as pd

df = pd.read_csv("clientes.csv")
print(df.head())

🤯 Poder real

• JOIN de arquivos → 1 linha
• GROUP BY → instantâneo
• Filtros → estilo SQL

---

🔢 3. numpy — O “PACKED DECIMAL do Futuro”

📜 Origem

Baseado em bibliotecas matemáticas de alto desempenho (Fortran/C).

💡 Analogia Mainframe

👉 Pense em campos COMP-3 vetorizados absurdamente rápidos

🔧 Exemplo

import numpy as np

arr = np.array([1, 2, 3])
print(arr * 10)

⚡ Destaque

Operações são feitas em lote — como um SORT interno ultrarrápido.

---

🌐 4. requests — O “CICS + HTTP” Simplificado

📜 Origem

Criada para substituir a complexidade do urllib.

💡 Analogia Mainframe

👉 Um EXEC CICS WEB RECEIVE/SEND moderno

🔧 Exemplo

import requests

res = requests.get("https://api.github.com")
print(res.status_code)

🤯 Impacto

Hoje, integrar sistemas virou algo trivial com essa lib.

---

🗂️ 5. os — O “IDCAMS + TSO + ISPF” do Python

📜 Origem

Parte do core do Python — interface direta com o sistema operacional.

💡 Analogia Mainframe

👉 Mistura de:

• TSO commands
• IDCAMS
• JCL utilities

🔧 Exemplo

import os

print(os.getcwd())
os.mkdir("novo_diretorio")

---

⏱️ 6. datetime — O “DATE ROUTINE” sem dor

💡 Analogia Mainframe

👉 Chega de manipular data com substring 😅

🔧 Exemplo

from datetime import datetime

agora = datetime.now()
print(agora)

---

🤖 7. scikit-learn — O “AI Batch Job”

📜 Origem

Biblioteca de Machine Learning open source.

💡 Analogia Mainframe

👉 Um JOB que aprende sozinho com os dados 😳

🔧 Exemplo

from sklearn.linear_model import LinearRegression

---

📈 8. matplotlib — O “PRINT + GRAPHICS” moderno

💡 Analogia Mainframe

👉 Seus relatórios… só que agora VISUAIS

🔧 Exemplo

import matplotlib.pyplot as plt

plt.plot([1,2,3], [4,5,6])
plt.show()

---

🧪 9. random — O “TEST DATA GENERATOR”

🔧 Exemplo

import random

print(random.randint(1, 100))

👉 Perfeito para gerar massa de testes (adeus planilhas fake!)

---

🔥 10. sys — O “JCL PARM + REGION + EXEC CONTROL”

💡 Analogia Mainframe

👉 Controle total do runtime

🔧 Exemplo

import sys

print(sys.version)

---

🧠 Curiosidades que vão explodir sua cabeça COBOL

• Python tem biblioteca para TUDO — literalmente
• Você pode criar sua própria lib (tipo um COPYBOOK inteligente)
• O import pode ser dinâmico (isso assusta qualquer programador batch 😅)

__import__("math")

---

⚠️ Anti-pattern que COBOL Dev costuma fazer

❌ Escrever tudo em um único script (tipo programa monolítico COBOL)
✅ Em Python → modularize tudo com import

---

🎯 Conclusão: O verdadeiro SHIFT mental

Se no mainframe você pensa em:

👉 Programas
👉 Jobs
👉 Steps

No Python você precisa pensar em:

👉 Módulos
👉 Bibliotecas
👉 Ecossistema

---

☕ Mensagem final estilo Bellacosa

Python não é só uma linguagem…

É um ecossistema onde o poder está no import.

Se você domina as bibliotecas…
Você não escreve código — você orquestra soluções.