Corso Python Base: Parte 2 - ForDataScientist 01
-
Upload
studiabo -
Category
Data & Analytics
-
view
21 -
download
0
Transcript of Corso Python Base: Parte 2 - ForDataScientist 01
LEZIONE 1..PYTHON BASEPARTE 2: strutture dati di base: liste e
dizionari; introduzione numpy e pandas.
Riepilogo lezione precedente
interi, floating point, decimal
ATTRIBUTI
METODIOGGETTO
CLASSE
funzioni built-in
stringhe
ITERABLE
len
int floatstr
list set
.replace
.upper
.count
if elif else for .. in .. :
COME ORGANIZ-ZARE I DATI
100 324.3 ‘Italia’ 533 ‘FRA’ ‘Oggi è
una bella giornata’ 54.5 True 57 987
False ‘DEU’ ‘config.py’
CONSIDERIAMO UNA SERIE STORICA MENSILE
maggio 2015 125.6
giugno 2015 128.3
luglio 2015 132.9
agosto 2015 133.1
settembre 2015 135.5
ottobre 2015 135.2
novembre 2015 138.6
[ 125.6, 128.3, 132.9, 133.1, 135.5, 135.2, 138.6
]
DIZIONARIO {’201501’ : 125.6, ‘201506’ : 128.3, ‘201507’ : 132.9, ‘201508’ : 133.1 , ‘201509’ : 135.5, ‘201510’ : 135.2, ‘201511’ : 138.6
}
LISTA
[ 125.6, 128.3, 132.9, 133.1, 135.5, 135.2, 138.6
]
DIZIONARIO {’201501’ : 125.6, ‘201506’ : 128.3, ‘201507’ : 132.9, ‘201508’ : 133.1 , ‘201509’ : 135.5, ‘201510’ : 135.2, ‘201511’ : 138.6
}
LISTA
posizione 0posizione 1posizione 2posizione 3posizione 4posizione 5posizione 6
chiavechiavechiavechiavechiavechiavechiave
Assegnazione
LIS1 = [ 125.6, 128.3,
132.9, 133.1, 135.5,
135.2, 138.6 ]
DIZIONARIO Assegnazione
DIZ1 = {’201501’ : 125.6, ‘201506’ : 128.3, ‘201507’ : 132.9, ‘201508’ : 133.1 , ‘201509’ : 135.5, ‘201510’ : 135.2, ‘201511’ : 138.6
}
LISTA
Estrazione
LIS1 [3]
LIS1 [1:3]
LIS1 [:3]
DIZIONARIO
Estrazione
DIZ1 [‘201508’]
LISTA
LEZIONE 1..www.fordatascientist.org
B00-PyBaseB31-Data-Structures-Builtin
LEZIONE 1..www.fordatascientist.org
B00-PyBaseB32-Data-Structures-Other
[ ]
{ } ( )
Data Built-in Data Modulenumpy
pandas.Array
.Series.max().mean()
.Ndarray.std()
.mean(axis=1)
.DataFrame
.index
.index
.columns.index().count()
.count()
.keys
.sort()
.append()
.remove()
LEZIONE 1..www.fordatascientist.org
B00-PyBaseB36-Slicing-Iterable.ipynb
[ ]ESTRATTOREtupla lista Array
Ndarray
SeriesDataFrame
iloc()
A cosa servono le tuple
A= { (‘FRA’,’DEU’,’2015’): 765, (‘FRA’,’ITA’,’2015’): 234, (‘FRA’,’USA’,’2015’): 122, (‘DEU’,’FRA’,’2016’): 975, (‘DEU’,’ITA’,’2016’): 744, (‘DEU’,’USA’,’2016’): 865 }
A= {‘FRA’:{’DEU’:{’2015’: 765}, ’ITA’:{’2015’: 234}, ’USA’:{’2015’: 122} }, ‘DEU’:{’FRA’:{’2016’: 975}, ’ITA’:{’2016’: 744}, ‘USA’:{‘2016’: 865} } }
Nel 2015, la Francia ha esportato verso la Germania 875 milioni di euro; verso l’Italia 234 mln di euro; verso gli Stati Uniti 122 mln di euro;Nel 2016, la Germania ha esportato verso la Francia 975 milioni di euro; verso l’Italia 744; verso gli Stati Uniti 865
A['FRA']['ITA']['2015'] A [ ('FRA','ITA','2015') ]
COSTRUZIONE
ESTRAZIONE
LEZIONE 1..www.fordatascientist.org
B00-PyBaseB53-Custom-Function
def returnparametri
argomenti posizionali *listargomenti di parola chiave **dict
LEZIONE 1..www.fordatascientist.org
B00-PyBaseB71-DateTime
datetime.datetimepandas.Timestamp
istanti temporali
.is_year_end
pandas.Period .freq .period_range
periodi