Pandas di Python: la libreria per l’analisi e la manipolazione dei dati

Pandas di Python è una libreria open source sviluppata appositamente per l’analisi e la manipolazione dei dati. Offre a chi programma strutture dati e funzioni in grado di semplificare notevolmente la gestione di tabelle numeriche e serie temporali.

A cosa serve Pandas di Python?

La libreria Pandas di Python è utilizzata in diverse aree dell’elaborazione dei dati. Grazie al gran numero di funzioni disponibili, permette di coprire un’ampia gamma di applicazioni:

• Analisi esplorativa dei dati (EDA): Pandas facilita l’esplorazione e la comprensione generale degli insiemi di dati. Grazie a funzioni come describe(), head() o info(), chi si occupa di sviluppo può rapidamente ottenere informazioni sugli insiemi di dati e riconoscere le correlazioni statistiche.
• Pulizia e pre-elaborazione dei dati: i dati provenienti da fonti diverse spesso devono essere puliti e portati in un formato coerente prima di poter essere analizzati. Anche in questo caso, Pandas offre una serie di funzioni per filtrare o trasformare i dati.
• Manipolazione e trasformazione dei dati: il compito principale di Pandas è quello di manipolare, analizzare e trasformare gli insiemi di dati. Le funzioni come merge() e groupby() permettono di effettuare operazioni complesse sui dati.
• Visualizzazione dei dati: un altro campo di applicazione pratico è la combinazione con le librerie come Matplotlib o Seaborn, che consente di convertire i frame di dati in Pandas direttamente in diagrammi o grafici significativi.

Pandas di Python: vantaggi

Pandas offre numerosi vantaggi che lo rendono uno strumento indispensabile per chi si occupa di analisi di dati e ricerca. Le API intuitive e di facile comprensione garantiscono un elevato livello di facilità d’uso. Le strutture dati centrali di Pandas, DataFrame e Series, sono simili a quelle dei normali fogli di calcolo, fornendo così un ambiente di lavoro famigliare anche a chi è agli inizi.

Un altro vantaggio fondamentale di Pandas di Python è rappresentato dalle sue prestazioni. Sebbene Python sia generalmente considerato un linguaggio di programmazione piuttosto lento, Pandas è in grado di elaborare in modo efficiente anche grandi insiemi di dati. Questo perché la libreria è scritta in C e utilizza algoritmi ottimizzati.

Pandas supporta una serie di formati di dati diversi, tra cui CSV, Excel e database SQL, consentendo l’importazione e l’esportazione di dati da fonti diverse. Perciò, la libreria offre una notevole flessibilità. Anche l’integrazione con le librerie esistenti nell’ecosistema Python, come NumPy o Matplotlib, aumenta la flessibilità e consente un’analisi e una modellazione dei dati completa.

Sintassi di Pandas: un esempio pratico

Per illustrare la sintassi di base di Pandas, vediamo un semplice esempio. Supponiamo di avere un set di dati CSV che contiene informazioni sulle vendite. Lo caricheremo, lo esamineremo ed eseguiremo alcune manipolazioni di base dei dati. Il set di dati è strutturato come segue:

Date,Product,Quantity,Price
2024-01-01,Product A,10,20.00
2024-01-02,Product B,5,30.00
2024-01-03,Product C,7,25.00
2024-01-04,Product A,3,20.00
2024-01-05,Product B,6,30.00
2024-01-06,Product C,2,25.00
2024-01-07,Product A,8,20.00
2024-01-08,Product B,4,30.00
2024-01-09,Product C,10,25.00

Primo passaggio: importazione di Pandas e caricamento del set di dati

Dopo aver importato Pandas, puoi creare un dataframe dai dati CSV usando read_csv().

import pandas as pd
# Caricamento del record di dati da un file CSV denominato sales_data.csv
df = pd.read_csv('sales_data.csv')

Secondo passaggio: analisi del set di dati

Una prima panoramica dei dati può essere ottenuta visualizzando le prime righe e un riepilogo statistico del set di dati. A questo scopo vengono utilizzate le funzioni head() e describe(). Quest’ultima fornisce una panoramica di importanti dati statici come il valore minimo e massimo, la deviazione standard e il valore medio.

# Visualizza le prime cinque righe del DataFrame
print(df.head())
# Visualizza un riepilogo statistico
print(df.describe())

Terzo passaggio: manipolazione dei dati

Anche la manipolazione dei dati è possibile con Pandas di Python. Nel seguente frammento di codice, i dati di vendita devono essere aggregati per prodotto e mese:

# Converti la colonna “Date” in un oggetto datetime in modo che le date siano riconosciute come tali
df['Date'] = pd.to_datetime(df['Date'])
# Estrai il mese dalla colonna “Date” e salvalo in una nuova colonna di nome “Month”
df['Month'] = df['Date'].dt.month
# Calcola il ricavo (Quantity * Price) e salvalo nella colonna “Revenue”
df['Revenue'] = df['Quantity'] * df['Price']
# Aggrega i dati di vendita per prodotto e mese
sales_summary = df.groupby(['Product', 'Month'])['Revenue'].sum().reset_index()
# Visualizzazione dei dati aggregati
print(sales_summary)

Quarto passaggio: visualizzazione dei dati

Infine, puoi visualizzare i dati di vendita mensili di un prodotto utilizzando la libreria Python aggiuntiva Matplotlib.

import matplotlib.pyplot as plt
# Filtra i dati per un prodotto specifico
product_sales = sales_summary[sales_summary['Product'] == 'Product A']
# Crea un diagramma a linee
plt.plot(product_sales['Month'], product_sales['Revenue'], marker='o')
plt.xlabel('Mese')
plt.gca().set_xticks(product_sales['Month'])
plt.ylabel('Entrate')
plt.title('Entrate mensili per il Prodotto A')
plt.grid(True)
plt.show()

Il grafico visualizzato mostra che nel primo mese dell’anno sono stati incassati 940 euro con il Prodotto A. Assume il seguente aspetto:

Close