pandas – Programmare con Python

Drinks

26/07/202313/07/2021 di admin

Cerca il dataset con Google… Carica i dati

1 2	import pandas as pd drinks=pd.read_csv("drinks.csv")

Dato qualitativo

1	drinks["continent"].describe()

Dato quantitativo

1	drinks["beer_servings"].describe()

Advertising

03/09/202313/07/2021 di admin

Importa le librerie

import matplotlib.pyplot as plt

import pandas as pd

import seaborn as sns

Importa i dati

1	data = pd.read_csv('Advertising.csv', index_col=0)

Vedi…

print(data)

TV radio newspaper sales

1 230.1 37.8 69.2 22.1

2 44.5 39.3 45.1 10.4

3 17.2 45.9 69.3 9.3

4 151.5 41.3 58.5 18.5

5 180.8 10.8 58.4 12.9

. ..... .... .... ....

Grafici Seaborn prova a disegnare tutto…

1 2	sns.pairplot(data) plt.show() # In IDLE

Specifica cosa desideri

1 2	sns.pairplot(data, x_vars=['TV','radio','newspaper'], y_vars='sales') plt.show()

Specifica le dimensioni

1 2	sns.pairplot(data, x_vars=['TV','radio','newspaper'], y_vars='sales', height=4.5, aspect=0.7) plt.show()

Vedi: Sinan Ozdemir, Data Science – APOGEO

President heights

03/09/202313/07/2021 di admin

Importa le librerie

1 2	import numpy as np import pandas as pd

Carica il file dei dati

1	data=pd.read_csv("president_heights.csv")

Dai un’occhiata

print(data)

order name height(cm)

0 1 George Washington 189

1 2 John Adams 170

2 3 Thomas Jefferson 189

3 4 James Madison 163

4 5 James Monroe 183

.. .. ... ...

37 40 Ronald Reagan 185

38 41 George H. W. Bush 188

39 42 Bill Clinton 188

40 43 George W. Bush 182

41 44 Barack Obama 185

Estrai le altezze

heights=np.array(data["height(cm)"])

print(heights)

[189 170 189 163 183 171 185 168 173 183 173 173 175 178 183 193 178 173

174 183 183 168 170 178 182 180 183 178 182 188 175 179 183 193 182 183

177 185 188 188 182 185]

Informazioni statistiche

print("Altezza minima :", heights.min())

print("Altezza media :", heights.mean())

print("Altezza massima :", heights.max())

print("Deviazione standard:", heights.std())

Altezza minima : 163

Altezza media : 179.73809523809524

Altezza massima : 193

Deviazione standard: 6.931843442745892

Ancora…

print("Primo quartile (25%):", np.percentile(heights, 25))

print("Mediana :", np.median(heights) )

print("Terzo quartile (75%):", np.percentile(heights, 75))

Primo quartile (25%): 174.25

Mediana : 182.0

Terzo quartile (75%): 183.0

Grafici

import matplotlib.pyplot as plt

plt.hist(heights)

plt.title('Distribuzione delle altezze')

plt.xlabel('Altezza (cm)')

plt.ylabel('Numero');

plt.show()

Aggiungi le impostazioni grafiche di seaborn

import matplotlib.pyplot as plt

import seaborn as snc

snc.set()

plt.hist(heights)

plt.title('Distribuzione delle altezze')

plt.xlabel('Altezza (cm)')

plt.ylabel('Numero');

plt.show()

Vedi: https://jakevdp.github.io/PythonDataScienceHandbook/02.04-computation-on-arrays-aggregates.html

Brics

03/09/202312/07/2021 di admin

Importa il modulo pandas con l’alias pd

import pandas as pd

print(pd.__version__)

Crea una serie di dati Cerca i dati aggiornati (?) area: migliaia di km quadrati popolazione: milioni di persone sigle a due lettere

dizionario = { "nazioni" : [ "Brasile", "Russia", "India", "Cina", "Sud Africa" ],

"capitali" : [ "Brasilia", "Mosca", "Nuova Dehli", "Pechino", "Pretoria" ],

"area" : [ 8516, 17098, 3287, 9597, 1221 ],

"popolazione": [ 212, 146, 1380, 1439, 59 ]

}

brics=pd.DataFrame(dizionario)

print(brics)

nazioni capitali area popolazione

0 Brasile Brasilia 8516 212

1 Russia Mosca 17098 146

2 India Nuova Dehli 3287 1380

3 Cina Pechino 9597 1439

4 Sud Africa Pretoria 1221 59

Aggiungi le etichette per le righe Sigle internazionali di 2 caratteri

brics.index=["BR", "RU", "IN", "CN", "ZA"]

print(brics)

nazioni capitali area popolazione

BR Brasile Brasilia 8516 212

RU Russia Mosca 17098 146

IN India Nuova Dehli 3287 1380

CN Cina Pechino 9597 1439

ZA Sud Africa Pretoria 1221 59

Accedi con indice o con chiave

1 2	print(brics.iloc[3] ) # Cina ... print(brics.loc["CN"]) # Cina ...

Densità di popolazione ? Vedi: https://jobtensor.com/Tutorial/Python/en/Pandas

Cars

03/09/202307/07/2021 di admin

Importa il modulo pandas con l’alias pd

import pandas as pd

print(pd.__version__)

Carica i dati Da una lista

lista=[ [ "United States",809,True ],

[ "Australia",731,False ],

[ "Japan",588,False ],

[ "India",18,False ],

[ "Russia",200,False ],

[ "Morocco",70,True ],

[ "Egypt",45,True ]

]

cars=pd.DataFrame(lista, columns=[ "country","cars_per_cap","drives_right" ])

print(cars)

da un dizionario

dizionario={ "country" : [ "United States", "Australia", "Japan",

"India", "Russia", "Morocco", "Egypt" ],

"cars_per_cap": [ 809, 731, 588, 18, 200, 70, 45 ],

"drives_right": [ True, False, False, False, False, True, True ]

}

cars=pd.DataFrame(dizionario)

print(cars)

da un file .csv

"country","cars_per_cap","drives_right"

"United States",809,True

"Australia",731,False

"Japan",588,False

"India",18,False

"Russia",200,False

"Morocco",70,True

"Egypt",45,True

1 2	cars=pd.read_csv("cars.csv") print(cars)

Estrai i dati Accesso alle colonne “country”, “drives_right”

1	print(cars[["country", "drives_right"]])

Accesso ai record: i primi 5

1 2	print(cars[:5]) print(cars.head())

Accesso ai record: gli ultimi 5

1 2	print(cars[-5:]) print(cars.tail())

Guidano a destra?

1 2	cars[cars["drives_right"]==True] cars[cars["drives_right"]]

Aggiungi una colonna indice

1 2	cars.index = ["US", "AU", "JP", "IN", "RU", "MA", "EG"] print(cars)

Estrai i … Leggi tutto