Selecione Todos Os Números Divisíveis Por 3

Filtrando números divisíveis por 3 em planilhas e código

Você já precisou selecionar todos os números divisíveis por 3 numa lista grande de dados. Pode ser uma coluna de vendas, IDs de registros, ou qualquer sequência numérica embaralhada. A regra do 3 é simples de explicar mas na prática traz alguns detalhes que todo mundo esquece e depois perde tempo corrigindo. Um número é divisível por 3 quando o resto da divisão por 3 é zero. Não precisa calcular a divisão inteira. Basta somar os algarismos do número e verificar se o resultado é divisível por 3. Isso funciona porque 10 1 (mod 3), então cada posição decimal contribui com seu dígito original para o resto módulo 3. A soma dos dígitos preserva o resto. Por exemplo: 4728 4+7+2+8 = 21 2+1 = 3 divisível por 3. Pronto.

O selecione todos os números divisíveis por 3 é basicamente aplicar essa verificação em massa sobre um conjunto de dados. Mas a forma como você faz isso depende completamente do tool que está usando no momento.

Método em Excel e Google Sheets

A abordagem mais direta é usar uma coluna auxiliar com a função MOD. Na coluna B, você coloca =MOD(A2;3)=0. Isso retorna VERDADEIRO para os divisíveis e FALSO para os demais. A partir daí, aplica-se um filtro automático e seleciona só os TRUE. Se quiser fazer sem coluna auxiliar, dá pra usar o Filtro Avançado com uma criteria range ou uma fórmula dinâmica no Excel mais recente. No Google Sheets, a função FILTER resolve tudo numa única célula: =FILTER(A2:A1000; MOD(A2:A1000; 3) = 0)

Isso retorna um array direto com apenas os números que satisfazem a condição. Sem colunas extras, sem filtragem manual. Funciona bem para datasets até uns 50 mil registros. Acima disso, o Sheets começa a engasgar porque recalcula o array inteiro sempre que qualquer célula muda. Aqui vai algo que ninguém conta: números negativos. O MOD no Excel com negativos pode dar resultados estranhos dependendo da versão. -9 dividido por 3 dá resto 0 no Excel moderno, mas em versões antigas ou no Google Sheets com certas configurações regionais, o comportamento pode variar. Teste sempre com pelo menos um número negativo antes de confiar no resultado.

Método em Python com pandas

No Python, a operação é ainda mais direta. Basta um operador de módulo sobre a Series inteira: df[df['coluna'] % 3 == 0] O pandas faz vetorização automática, então isso roda muito rápido mesmo em datasets grandes. Para 1 milhão de linhas, leva cerca de 30 a 50 milissegundos numa máquina razoável.

Se estiver usando NumPy puro, o mesmo princípio se aplica: arr[arr % 3 == 0] Um problema real que eu encontrei recentemente: números flutuantes. Se sua coluna tem valores como 3.0000000000000004 ou 2.9999999999999996 por causa de operações anteriores, o teste de igualdade com 0 falha silenciosamente. A solução é usar np.isclose ou arredondar primeiro. No meu caso, estava processando dados de sensores onde os valores eram somas acumuladas de leituras em float, e cerca de 2% dos números que deveriam ser divisíveis por 3 eram rejeitados pelo filtro. Arredondar para 6 casas decimais antes de aplicar o módulo resolveu.

Outro detalhe que pessoas costumam pular: tipos de dados. Se a coluna estiver como objeto/string, o operador % vai dar erro ou comportamento inesperado. Converter para numérico com pd.to_numeric(errors='coerce') antes de filtrar evita surpresas. Os valores não numéricos viram NaN e são automaticamente excluídos do resultado.

Método em SQL

Em bancos de dados relacionais, a sintaxe varia levemente entre SGBDs. O padrão é usar o operador MOD ou o sinal % dependendo do banco: SELECT * FROM tabela WHERE MOD(coluna, 3) = 0; No PostgreSQL e MySQL funciona assim. No SQL Server, às vezes é necessário usar % ao invés de MOD. No Oracle, MOD é a função nativa.

Uma armadilha comum: campos NULL. Qualquer operação com NULL retorna NULL, e NULL não é igual a 0. Se sua coluna tem nulos e você quer ignorá-los naturalmente, tudo bem. Mas se espera que nulos sejam tratados de alguma forma especial, precisa adicionar uma cláusula IS NULL explícita. Performance em tabelas grandes sem índice na coluna numérica: a query varre a tabela inteira. Para tabelas com milhões de linhas, isso pode levar segundos. Não há como indexar diretamente uma expressão modular, mas você pode criar uma coluna computada ou um índice indexado no banco que suporte expressões, dependendo do SGBD.

Edge cases e limitações

O método de soma dos dígitos funciona perfeitamente para inteiros positivos e negativos em bases decimais normais. Mas ele quebra em cenários específicos: Numbers em notação científica como 1.5E+20 não podem ser tratados como sequência de dígitos_decimais. O teste da soma dos algarismos não se aplica. Use o operador de módulo nativo da linguagem ou do SGBD nesses casos. BigInts em linguagens sem suporte nativo a inteiros grandes podem estourar. Em JavaScript, por exemplo, números acima de 2^53 perdem precisão e o módulo pode dar resultado errado. Se seu dataset contém IDs gigantes, use BigInt ou migre para Python/Node com a biblioteca adequada.

A principal limitação de todas as abordagens é que elas selecionam baseado puramente na propriedade aritmética, sem considerar o contexto dos dados. Números divisíveis por 3 podem ser perfeitamente válidos ou completamente fora do padrão que você procura. O filtro é cego para outliers, fraudes, ou erros de medição que happenam de cairem nessa classificação. Sempre cruze com outras condições quando o domínio do dado exigir. Se você está trabalhando com fluxos de dados em tempo real onde a performance é crítica, pré-filtrar com uma hash table ou bitset pode ser mais eficiente do que aplicar o módulo em cada registro individualmente, especialmente se a mesma lista de números_for revisitada múltiplas vezes. A trade-off é memória adicional.