I DataFrame Pandas offrono tutto il necessario per poter ordinare le righe in base ai valori di una o più colonne. In questo screencast, vediamo tecniche per ordinare i DataFrame in base ad informazioni contenute all’interno di un campo, casistica che può spesso presentarsi
Pandas permette di trattare dati strutturati grazie ai suoi costrutti DataFrame e Series. Le funzionalità che mette a disposizione rendono possibili grandi risultati, ma per operazioni che sfuggono alle normali regole delle strutture è necessario saper impostare le proprie funzioni. Vediamo come
In Pandas e NumPy è fondamentale incrociare molte fonti dati per svolgere analisi. Talvolta possono però apparire messaggi di errore non facilmente comprensibili senza la necessaria esperienza, ad esempio non impiegando un giusto operatore logico. Esploriamo la problematica per vederci chiaro
Python offre grandi strumenti per la Data Science ma non è sempre semplice mostrare ad altri i risultati delle elaborazioni soprattutto se si tratta di non addetti ai lavori. Streamlit permette di trasformare programmi Python in app web da condividere subito senza richiedere competenze front-end
Pandas è un framework Python per Data Science molto eclettico. Può collaborare con sorgenti dati di vario genere tra cui Excel, tool per fogli di calcolo di Microsoft molto usato negli ambienti d’ufficio. In questo screencast, vediamo come ottenere il massimo da questo connubio
Con Pandas possiamo svolgere un lavoro di Data Science in ogni suo aspetto: dal caricamento dei dati, alla loro analisi fino alla rappresentazione dei risultati. Tutto ciò può essere condotto con un flusso di lavoro lineare grazie alla flessibilità dei notebook Jupyter
Tra le operazioni fondamentali che offre Pandas, il noto framework Python per Data Science, è indispensabile conoscere il raggruppamento di dati ed il merging di Dataframe, corrispondenti al GROUP BY e al JOIN del linguaggio SQL. Questo screencast ne mostra l’utilizzo con una serie di esempi pratici
Fare Data Science significa essere capaci di analizzare dati, interpretarli ed estrarne valore non visibile a prima vista. Il mondo Python offre uno strumento perfetto per questo: Pandas, una libreria efficiente, completa e dall’uso immediato. In questo screencast, iniziamo ad conoscerlo