tirando palavras inúteis

Author: ramalho

capitulos/cap02.adoc

@@ -1956,9 +1956,9 @@ Mas isso foi apenas um aperitivo.
 A NumPy e a SciPy são bibliotecas formidáveis, e estão na base de outras ferramentas fantásticas, como a https://fpy.li/2-20[Pandas] (EN)—que implementa tipos eficientes de arrays capazes de manter dados não-numéricos, e fornece funções de importação/exportação em vários formatos diferentes, como _.csv_, _.xls_, dumps SQL, HDF5, etc.—e a https://fpy.li/2-21[scikit-learn] (EN), o conjunto de ferramentas para Aprendizagem de Máquina mais usado atualmente.
 A maior parte das funções da NumPy e da SciPy são implementadas em C ou C++, e conseguem aproveitar todos os núcleos de CPU disponíveis, pois podem liberar a GIL((("Global Interpreter Lock (GIL)"))) (Global Interpreter Lock, _Trava Global do Interpretador_) do Python.
 O projeto https://fpy.li/dask[Dask] suporta a paralelização do processamento da NumPy, da Pandas e da scikit-learn para grupos (_clusters_) de máquinas.
-Esses pacotes merecem que livros inteiros sejam escritos sobre eles.
-Este não é um desses livros.
-Mas nenhuma revisão das sequências do Python estaria completa sem pelo menos uma breve passagem pelos arrays da NumPy.
+Esses pacotes merecem livros inteiros.
+Este não é um desses livros,
+mas nenhuma revisão das sequências do Python estaria completa sem pelo menos uma breve passagem pelos arrays da NumPy.
 
 Tendo olhado as sequências planas—arrays padrão e arrays da NumPy—vamos agora nos voltar para um grupo completamente diferentes de substitutos para a boa e velha `list`: filas (_queues_).((("", startref="numpy02")))((("", startref="scipy02")))