PythonPandasFoglio informativo sull'analisi dei dati
Guida di riferimento per la seriePandase i dataframe. Scopri il caricamento, la pulizia, la selezione, il raggruppamento e le aggregazioni dei dati.
Caricamento dei dati e ispezione iniziale
Operazioni per caricare i set di dati e ispezionarne i contorni strutturali.
| Metodo/Funzione | Sintassi | Descrizione |
|---|---|---|
| pd.DataFrame() | pd.DataFrame(data, columns=...) | Costruisce una struttura dati etichettata bidimensionale con colonne. |
| pd.read_csv() | pd.read_csv(filepath) | Carica un file CSV in un DataFramePandas. |
| head() / tail() | df.head(n=5) / df.tail(n=5) | Restituisce le prime n o le ultime n righe del DataFrame. |
| info() | df.info() | Stampa un riepilogo conciso delle colonne DataFrame, dei conteggi non null e dell'utilizzo della memoria. |
| describe() | df.describe() | Genera statistiche descrittive che riassumono la tendenza centrale, la dispersione e la forma. |
Selezione, filtraggio e pulizia dei dati
Metodi per suddividere colonne/righe, aggregare dati e risolvere record mancanti.
| Metodo/Funzione | Sintassi | Descrizione |
|---|---|---|
| loc[] | df.loc[row_label, col_label] | Accede a un gruppo di righe e colonne tramite etichette. |
| iloc[] | df.iloc[row_pos, col_pos] | Accede a un gruppo di righe e colonne in base alle posizioni dell'indice intero. |
| groupby() | df.groupby(col).mean() | Raggruppa righe che condividono valori di colonna e aggrega campi numerici. |
| value_counts() | df[col].value_counts() | Restituisce una serie contenente conteggi di valori univoci in col. |
| dropna() | df.dropna(axis=0) | Rimuove le righe (o colonne) che contengono valori mancanti o nulli. |
| fillna() | df.fillna(value) | Riempie i valori mancanti con un valore o una strategia specificata. |
Script dimostrativo interattivo
# pd.DataFrame()
pd.DataFrame(data, columns=...)
# pd.read_csv()
pd.read_csv(filepath)
# head() / tail()
df.head(n=5) / df.tail(n=5)
# info()
df.info()
# describe()
df.describe()
# loc[]
df.loc[row_label, col_label]
# iloc[]
df.iloc[row_pos, col_pos]
# groupby()
df.groupby(col).mean()
# value_counts()
df[col].value_counts()
# dropna()
df.dropna(axis=0)
# fillna()
df.fillna(value)Domande frequenti
Qual è la differenza tra loc e iloc?
loc è un'indicizzazione basata su etichette (seleziona i dati in base ai nomi di riga/colonna), mentre iloc è un'indicizzazione basata su numeri interi (seleziona i dati in base alla posizione dell'indice).
Come gestisci i valori mancanti inPandas?
Utilizza dropna() per rimuovere righe/colonne con valori null oppure utilizza fillna(value) per sostituire i valori null con un valore predefinito specifico.
Argomenti correlati
Guida di riferimento rapido per gli arrayNumPy. Impara la creazione di array, il rimodellamento, l'indicizzazione, l'affettamento e le operazioni matematiche.
Foglio informativo su raccolte Python e strutture datiGuida completa al modulo delle raccolte Python e alle strutture dati native. Impara elenchi, dettami, insiemi, tuple, deque e tuple nominate.
Foglio informativo sulle funzioni integrate di PythonGuida di riferimento alle funzioni integrate di Python. Scopri come utilizzare stampa, lente, intervallo, enumerazione, zip, mappa, filtro e altro ancora.
Risorse Python consigliate
Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.
Cicli Python
Scopri come utilizzare i loop Python per eseguire iterazioni sui dati. Padroneggia le best practice sui cicli for, while, interruzione, continua e loop con esempi interattivi.
Come ordinare un elenco in Python
Scopri come ordinare un elenco in Python utilizzando il metodo sort() e la funzione sorted(). Scopri l'ordinamento delle chiavi personalizzato e gli esempi di ordine inverso.
Python vs JavaScript: quale linguaggio di programmazione è il migliore?
Un confronto completo tra Python e JavaScript. Esplora le differenze di sintassi, le prestazioni, i casi d'uso (backend e frontend) ed esempi di codifica.