Pandas Fundamentals

import pandas as pd import numpy as np # METODO 1: Da dizionario di liste (più comune) dati_studenti = { 'Nome': ['Anna', 'Luca', 'Marco', 'Sofia', 'Giulia'], 'Età': [18, 19, 17, 18, 19], 'Voto_Matematica': [8.5, 7.0, 9.0, 6.5, 8.0], 'Voto_Italiano': [7.5, 8.0, 6.5, 9.0, 7.0], 'Classe': ['4A', '4B', '4A', '4B', '4A'] } # Creazione DataFrame df_studenti = pd.DataFrame(dati_studenti) print("🎓 DATAFRAME STUDENTI") print("=" * 50) print(df_studenti) print("\n📋 Informazioni DataFrame:") print(f"Dimensioni: {df_studenti.shape}") # (righe, colonne) print(f"Numero righe: {len(df_studenti)}") print(f"Numero colonne: {df_studenti.shape[1]}") print(f"Nomi colonne: {df_studenti.columns.tolist()}") print(f"Indici: {df_studenti.index.tolist()}") print(f"Tipi di dati:\n{df_studenti.dtypes}") # METODO 2: Da lista di dizionari dati_auto = [ {'Marca': 'Fiat', 'Modello': 'Panda', 'Anno': 2020, 'Prezzo': 15000}, {'Marca': 'Ford', 'Modello': 'Focus', 'Anno': 2019, 'Prezzo': 18000}, {'Marca': 'Toyota', 'Modello': 'Yaris', 'Anno': 2021, 'Prezzo': 20000}, ] df_auto = pd.DataFrame(dati_auto) print("\n🚗 DATAFRAME AUTO") print("=" * 50) print(df_auto) # METODO 3: Da array NumPy con indici e colonne personalizzati dati_random = np.random.randn(4, 3) # 4 righe, 3 colonne di numeri casuali df_random = pd.DataFrame(dati_random, index=['Riga1', 'Riga2', 'Riga3', 'Riga4'], columns=['ColA', 'ColB', 'ColC']) print("\n🎲 DATAFRAME RANDOM") print("=" * 50) print(df_random)

# CONTINUA con df_studenti creato prima print("🎯 OPERAZIONI BASE SU DATAFRAME") print("=" * 50) # 1. VISUALIZZAZIONE print("\n1. 📊 VISUALIZZAZIONE:") print("Prime 3 righe:") print(df_studenti.head(3)) print("\nUltime 2 righe:") print(df_studenti.tail(2)) print("\nCampione casuale (2 righe):") print(df_studenti.sample(2, random_state=42)) # 2. SELEZIONE COLONNE print("\n2. 🔍 SELEZIONE COLONNE:") print("Colonna singola (restituisce Series):") print(df_studenti['Nome']) print("\nTipo:", type(df_studenti['Nome'])) print("\nColonne multiple (restituisce DataFrame):") print(df_studenti[['Nome', 'Voto_Matematica']]) print("\nTipo:", type(df_studenti[['Nome', 'Voto_Matematica']])) # 3. SELEZIONE RIGHE print("\n3. 📝 SELEZIONE RIGHE:") print("Per indice (numerico):") print(df_studenti.iloc[0]) # Prima riga print("\nPer etichetta (se abbiamo indici non numerici):") print(df_studenti.loc[0]) # Stessa cosa se indice è 0,1,2,... # 4. SELEZIONE CELLE SPECIFICHE print("\n4. 📍 SELEZIONE CELLE SPECIFICHE:") print("Valore specifico (iloc):") print(f"Studente indice 2, colonna 'Nome': {df_studenti.iloc[2, 0]}") print(f"Studente indice 1, colonna 3: {df_studenti.iloc[1, 3]}") print("\nValore specifico (loc):") print(f"Studente indice 3, colonna 'Voto_Matematica': {df_studenti.loc[3, 'Voto_Matematica']}") # 5. FILTRI BOOLEANI (IMPORTANTISSIMI!) print("\n5. 🎯 FILTRI BOOLEANI:") print("Studenti con voto matematica > 8:") voti_alto = df_studenti[df_studenti['Voto_Matematica'] > 8] print(voti_alto) print("\nStudenti di classe 4A:") classe_4a = df_studenti[df_studenti['Classe'] == '4A'] print(classe_4a) print("\nStudenti con voto italiano tra 7 e 8:") voti_medio = df_studenti[(df_studenti['Voto_Italiano'] >= 7) & (df_studenti['Voto_Italiano'] <= 8)] print(voti_medio) print("\nStudenti di 19 anni OPPURE voto matematica > 7.5:") condizione_complessa = df_studenti[(df_studenti['Età'] == 19) | (df_studenti['Voto_Matematica'] > 7.5)] print(condizione_complessa) # 6. OPERAZIONI STATISTICHE print("\n6. 📈 OPERAZIONI STATISTICHE:") print("Statistiche descrittive:") print(df_studenti.describe()) print("\nStatistiche per colonna specifica:") print(f"Media voto matematica: {df_studenti['Voto_Matematica'].mean():.2f}") print(f"Mediana voto italiano: {df_studenti['Voto_Italiano'].median():.2f}") print(f"Voto massimo matematica: {df_studenti['Voto_Matematica'].max()}") print(f"Voto minimo italiano: {df_studenti['Voto_Italiano'].min()}") print(f"Deviazione standard età: {df_studenti['Età'].std():.2f}") # 7. MODIFICA DATAFRAME print("\n7. ✏️ MODIFICA DATAFRAME:") # Aggiunta nuova colonna df_studenti['Voto_Media'] = (df_studenti['Voto_Matematica'] + df_studenti['Voto_Italiano']) / 2 print("Con colonna media voti:") print(df_studenti) # Modifica valori esistenti df_studenti.loc[0, 'Voto_Matematica'] = 9.0 # Anna prende 9 in matematica print("\nDopo modifica voto di Anna:") print(df_studenti) # Rimozione colonna # df_studenti = df_studenti.drop('Voto_Media', axis=1) # Per rimuoverla # 8. ORDINAMENTO print("\n8. 🔼 ORDINAMENTO:") print("Ordinato per voto matematica (decrescente):") print(df_studenti.sort_values('Voto_Matematica', ascending=False)) print("\nOrdinato per classe (crescente) e poi per nome (crescente):") print(df_studenti.sort_values(['Classe', 'Nome'])) # 9. OPERAZIONI DI GRUPPO (GROUPBY) print("\n9. 👥 OPERAZIONI DI GRUPPO:") print("Media voti per classe:") gruppo_classe = df_studenti.groupby('Classe') print(gruppo_classe[['Voto_Matematica', 'Voto_Italiano', 'Voto_Media']].mean()) print("\nNumero studenti per classe:") print(df_studenti['Classe'].value_counts())

import pandas as pd print("📚 LETTURA DATI DA VARI FORMATI") print("=" * 50) # 1. CSV (Comma Separated Values) - IL PIÙ COMUNE print("\n1. 📄 LETTURA CSV:") # Sintassi base # df = pd.read_csv('percorso/file.csv') # Parametri utili per CSV: # df = pd.read_csv('file.csv', # sep=',', # separatore (può essere ';', '\t', ecc) # header=0, # riga da usare come intestazione # index_col=0, # colonna da usare come indice # encoding='utf-8', # codifica caratteri # na_values=['NA', 'null', '']) # valori da considerare NaN # Esempio pratico (per Google Colab): # from google.colab import files # uploaded = files.upload() # Carica il file # df = pd.read_csv('nome_file.csv') # 2. EXCEL print("\n2. 📊 LETTURA EXCEL:") # df_excel = pd.read_excel('file.xlsx', # sheet_name='Foglio1', # nome foglio # header=0, # engine='openpyxl') # motore per leggere .xlsx # Per leggere fogli multipli: # excel_file = pd.ExcelFile('file.xlsx') # df_foglio1 = pd.read_excel(excel_file, 'Foglio1') # df_foglio2 = pd.read_excel(excel_file, 'Foglio2') # 3. JSON print("\n3. 🗂️ LETTURA JSON:") # df_json = pd.read_json('file.json') # df_json = pd.read_json('file.json', orient='records') # formato più comune # 4. DATABASE SQL print("\n4. 🗃️ LETTURA DA DATABASE SQL:") import sqlite3 # Esempio con SQLite # Crea connessione # conn = sqlite3.connect('database.db') # query = "SELECT * FROM tabella WHERE condizione" # df_sql = pd.read_sql(query, conn) # conn.close() print("\n🎯 ESEMPIO COMPLETO: Lettura e analisi CSV") # Simuliamo un file CSV csv_content = """Nome,Età,Città,Stipendio Mario Rossi,30,Roma,35000 Luigi Verdi,25,Milano,42000 Anna Bianchi,35,Napoli,38000 Giovanni Neri,28,Torino,45000 Maria Russo,40,Bologna,39000""" # Salva come file temporaneo (per simulazione) with open('dipendenti.csv', 'w', encoding='utf-8') as f: f.write(csv_content) # Leggi il file CSV df_dipendenti = pd.read_csv('dipendenti.csv') print("\n📋 DATI DIPENDENTI (da CSV):") print(df_dipendenti) print("\n📊 INFORMAZIONI:") print(df_dipendenti.info()) print("\n📈 STATISTICHE:") print(df_dipendenti.describe()) # Analisi avanzata print("\n🔍 ANALISI AVANZATA:") print(f"Numero dipendenti: {len(df_dipendenti)}") print(f"Età media: {df_dipendenti['Età'].mean():.1f} anni") print(f"Stipendio medio: €{df_dipendenti['Stipendio'].mean():,.0f}") print(f"\nDipendenti per città:") print(df_dipendenti['Città'].value_counts()) # Filtri avanzati print("\n🎯 DIPENDENTI CON STIPENDIO > 40000:") print(df_dipendenti[df_dipendenti['Stipendio'] > 40000]) print("\n👵 DIPENDENTI OVER 35:") print(df_dipendenti[df_dipendenti['Età'] > 35]) # Salva risultati in nuovo CSV df_dipendenti.to_csv('analisi_dipendenti.csv', index=False) print("\n💾 Dati analizzati salvati in 'analisi_dipendenti.csv'") # Pulizia file temporaneo import os os.remove('dipendenti.csv') print("🧹 File temporaneo rimosso")