Padroniamo le basi di pandas. Impara a ispezionare i DataFrame ed eseguire manipolazioni fondamentali, tra cui ordinare le righe, creare subset e aggiungere nuove colonne.

Introduzione ai DataFrame

Esplorare un DataFrame

Parti di un DataFrame

Ordinamento e selezione di sottoinsiemi

Ordinamento delle righe

Creare un sottoinsieme di colonne

Creare un sottoinsieme di righe

Creare un sottoinsieme di righe in base a variabili categoriche

Nuove colonne

Aggiungere nuove colonne

Attacco combinato!

Trasformare i DataFrame

In questo capitolo calcolerai statistiche riassuntive sulle colonne di un DataFrame e imparerai a usare statistiche raggruppate e tabelle pivot.

Statistiche riassuntive

Media e mediana

Statistiche riassuntive su date

Statistiche riassuntive efficienti

Statistiche cumulative

Contare

Eliminazione dei duplicati

Contare variabili categoriche

Statistiche riassuntive raggruppate

Qual è la percentuale delle vendite effettuate per ciascun tipo di negozio?

Calcoli con .groupby()

Statistiche riassuntive su gruppi multipli

Tabelle pivot

Creazione di tabelle pivot su una variabile

Gestione dei valori mancanti e somma con tabelle pivot

Aggregare i DataFrame

Gli indici sono nomi di righe e colonne con i superpoteri. Scopri come combinarli con lo slicing per creare subset potenti dei DataFrame.

Indici espliciti

Impostazione e rimozione degli indici

Creare un sottoinsieme con .loc[]

Impostare indici multilivello

Ordinamento per valori dell’indice

Slicing e sottoinsiemi con .loc e .iloc

Slicing dei valori dell’indice

Slicing bidirezionale

Slicing delle serie temporali

Creare sottoinsiemi usando la posizione di righe e colonne

Lavorare con tabelle pivot

Tabella pivot delle temperature per città e anno

Creare sottoinsiemi di tabelle pivot

Eseguire calcoli su una tabella pivot

Slicing e indicizzazione dei DataFrame

Impara a visualizzare il contenuto dei tuoi DataFrame, gestire i valori mancanti e importare ed esportare dati in file CSV.

Visualizzare i tuoi dati

Qual è la dimensione di avocado più venduta?

Evoluzione delle vendite nel tempo

Domanda e offerta di avocado

Prezzo degli avocado convenzionali vs. avocado biologici

Valori mancanti

Trovare i valori mancanti

Eliminare i valori mancanti

Sostituzione dei valori mancanti

Creare DataFrame

Lista di dizionari

Dizionario di liste

Leggere e scrivere file CSV

Da CSV a DataFrame

Da DataFrame a CSV

Conclusione

Creare e visualizzare i DataFrame

Imparerai ad analizzare i dati attraverso più dimensioni contemporaneamente, permettendoti di scoprire pattern complessi scomponendo i riepiloghi in diverse categorie simultaneamente.

Colonne di raggruppamento multiple

Imparerai a suddividere le statistiche riassuntive per categorie, permettendoti di confrontare le metriche tra diversi gruppi e individuare pattern nei tuoi dati.

Una colonna di raggruppamento

Imparerai a riassumere i dati calcolando statistiche chiave come totali, medie e conteggi, permettendoti di estrarre insight significativi dai dati grezzi.

Valori di riepilogo

Aggregazione dei dati

Imparerai a gestire calcoli in più passaggi e a calcolare le percentuali dei totali, consentendoti di creare metriche complesse che dipendono da risultati intermedi.

Trasformazioni complesse

Imparerai a creare nuove colonne combinando e calcolando i valori dai dati esistenti, permettendoti di ricavare rapporti e altre metriche non disponibili nel dataset originale.

Trasformazioni di base

Trasformazione dei dati

Imparerai a estrarre righe specifiche dai tuoi dati in base a determinate condizioni, permettendoti di concentrare l'analisi su sottoinsiemi rilevanti e di gestire i valori mancanti e i pattern di testo.

Filtri di base

Imparerai a filtrare i dati utilizzando più criteri contemporaneamente, permettendoti di estrarre esattamente le righe di cui hai bisogno combinando le condizioni con la logica AND e OR.

Condizioni multiple

Imparerai a semplificare il filtraggio complesso scomponendo le condizioni in colonne separate e a estrarre l'opposto del risultato di un filtro, rendendo la tua analisi più trasparente e verificabile.

Filtraggio complesso

Filtraggio dei dati

Imparerai ad applicare calcoli diversi in base a condizioni specifiche, permettendoti di standardizzare i valori, classificare i dati in categorie e gestire vari scenari all'interno dei tuoi dati.

Trasformazione condizionale

Imparerai a calcolare riepiloghi che includono solo i valori che soddisfano criteri specifici, permettendoti di calcolare metriche dettagliate come la "media dei soli voli in ritardo" all'interno di ciascun gruppo.

Aggregazione condizionale

Operazioni condizionali

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas è la libreria Python più popolare al mondo, usata per tutto: dalla manipolazione all'analisi dei dati. In questo corso imparerai a manipolare i DataFrame, estraendo, filtrando e trasformando insiemi di dati reali per l'analisi. Con pandas esplorerai tutti i concetti fondamentali della data science. Lavorando con dati reali, tra cui le vendite di Walmart e serie temporali sulle temperature globali, imparerai a importare, pulire, calcolare statistiche e creare visualizzazioni—usando pandas per potenziare ancora di più Python!

I video includono trascrizioni live, accessibili cliccando su "Show transcript" in basso a sinistra nei video.

Il glossario del corso si trova a destra nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione cliccando sul riquadro dei crediti CPE sulla destra.

pandas è la libreria Python più popolare al mondo, usata per tutto, dalla manipolazione dei dati all'analisi dei dati. In questo corso, con un Tutor IA al tuo fianco, imparerai a manipolare i DataFrame, mentre aggregi, filtri e trasformi dataset del mondo reale per l'analisi. Con pandas esplorerai tutte le operazioni fondamentali di manipolazione dei dati essenziali nella Data Science.

<h2>Scopri la manipolazione dei dati con pandas</h2>
In questo corso scoprirai perché pandas è la libreria Python più utilizzata al mondo per la manipolazione e l’analisi dei dati. Imparerai a manipolare i DataFrame, estraendo, filtrando e trasformando set di dati reali per l'analisi. 
<br><br>
Con pandas scoprirai tutti i concetti base della data science. Utilizzando dati reali, come le vendite di Walmart o le serie temporali delle temperature globali, imparerai a importare, pulire, calcolare statistiche e creare visualizzazioni, sfruttando pandas per potenziare al massimo le capacità di Python.
<br><br>
<h2>Lavora con i DataFrame per esplorare i concetti fondamentali della data science</h2>
Inizierai padroneggiando le basi di pandas, compreso come ispezionare i DataFrame ed eseguire manipolazioni fondamentali. Apprenderai anche ad aggregare i DataFrame, prima di passare allo slicing e all'indicizzazione. 
<br><br>
Concluderai il corso imparando a visualizzare il contenuto dei tuoi DataFrame, lavorando con un set di dati che contiene le vendite settimanali di avocado negli Stati Uniti. 
<br><br>
<h2>Impara a manipolare i DataFrame</h2>
Completando questo corso su pandas, capirai come utilizzare questa libreria Python per la manipolazione dei dati. Comprenderai i DataFrame e il loro utilizzo, e sarai in grado di creare visualizzazioni efficaci in Python.

Intermediate Python

Il corso di manipolazione dati con pandas ti insegnerà a gestire DataFrame per analisi di dataset reali.

Manipolazione dei dati con pandas

Impara a importare e pulire dati, calcolare statistiche e creare visualizzazioni con pandas. 

Contare

Create Your Free Account