{"id":21974,"date":"2023-07-26T10:00:00","date_gmt":"2023-07-26T08:00:00","guid":{"rendered":"https:\/\/www.codemotion.com\/magazine\/?p=21974"},"modified":"2023-07-25T12:29:32","modified_gmt":"2023-07-25T10:29:32","slug":"analisi-dei-dati-pandas","status":"publish","type":"post","link":"https:\/\/www.codemotion.com\/magazine\/it\/data-science-it\/analisi-dei-dati-pandas\/","title":{"rendered":"L\u2019analisi dei dati resa semplice: padroneggia Pandas per ottenere risultati dai tuoi dati"},"content":{"rendered":"\n

Quando si parla di analisi dei dati, Pandas \u00e8 sicuramente la libreria Python pi\u00f9 potente e ampiamente utilizzata per la manipolazione<\/strong>, la pulizia e l\u2019elaborazione dei dati<\/strong>. Grazie alle sue funzionalit\u00e0, infatti, possiamo lavorare con dati tabulari, recuperandoli da database SQL o fogli di calcolo di Excel, ad esempio.<\/p>\n\n\n\n

Pandas ci d\u00e0 anche la possibilit\u00e0 di manipolare e pulire i dati per prepararli per analisigrafiche, ma anche per il Machine Learning. In questo articolo, introdurremo Pandas e il concetto di data frame in Pandas<\/strong>. Successivamente, mostreremo alcune delle caratteristiche di Pandas con esempi pratici di analisi dei dati.<\/p>\n\n\n\n

Introduzione a Pandas<\/h2>\n\n\n\n

Che cos’\u00e8 Pandas?<\/em><\/p>\n\n\n\n

Questo \u00e8 ci\u00f2 che gli sviluppatori dicono sul sito web di Pandas riguardo alla loro missione:
“pandas aims to be the fundamental high-level building block for doing practical, real-world data analysis in Python. Additionally, it has the broader goal of becoming the most powerful and flexible open source data analysis\/manipulation tool available in any language”<\/em>.<\/p>\n\n\n\n

Quindi, stiamo parlando di ci\u00f2 che punta ad essere l’unica libreria<\/strong> che ci verr\u00e0 in mente quando pensiamo alla parola “analisi dei dati”<\/em>.<\/p>\n\n\n\n

E, ad essere sinceri, \u00e8 davvero cos\u00ec: quando parliamo di librarie di analisi dei dati con chi lavora nel settore, la prima cosa che possa veramente venire in mente a chiunque \u00e8 Pandas.<\/strong><\/p>\n\n\n\n

Come installare Pandas<\/h2>\n\n\n\n

Ci sono un paio di modi per installare Pandas sul tuo computer:<\/p>\n\n\n\n

Se hai gi\u00e0 Python installato, puoi installare Pandas col classico metodo:
$ pip install pandas<\/strong><\/p>\n\n\n\n

L’altro modo, invece, prevede di installare Anaconda sul tuo computer.<\/strong> Questo \u00e8 il mio metodo preferito perch\u00e9 installer\u00e0 Python, Pandas, tutte le librerie legate alla Data Science e al Machine Learning<\/strong>, e molte altre ancora.<\/p>\n\n\n\n

Quindi, installando Anaconda<\/strong>, praticamente non avrai bisogno di installare altre librerie Python in futuro. Per scoprire come installarlo sul tuo computer, puoi consultare il loro sito web.<\/a><\/p>\n\n\n\n

Definizione delle Pandas series e dei data frame in Pandas<\/h2>\n\n\n\n

Un data frame \u00e8 una tabella, simile a un foglio di calcolo<\/strong>, in cui possiamo organizzare ed analizzare dati ed informazioni.<\/p>\n\n\n\n

In altre parole, possiamo pensare ad un frame dati come a un contenitore<\/strong> che mantiene e organizza i dati in colonne e righe, come segue:<\/p>\n\n\n\n

\"pandas
Un data frame Pandas. Immagine dell\u2019autore.<\/em><\/figcaption><\/figure>\n\n\n\n

Quindi, un data frame \u00e8 un contenitore ordinato di dati<\/strong>, i quali possono essere collezionati sotto forma di testo o numeri, e sono organizzati in colonne e righe.<\/p>\n\n\n\n

In particolare, ogni colonna di Pandas viene anche chiamata “Pandas series”<\/em>. Quindi, un altro modo per vedere un data frame in Pandas \u00e8 questo: un data frame \u00e8 una raccolta ordinata di Pandas series.<\/strong><\/p>\n\n\n\n

Creazione e visualizzazione di un data frame in Pandas<\/h2>\n\n\n\n

Per lavorare con i dati tabulari abbiamo due possibilit\u00e0:<\/strong><\/p>\n\n\n\n