pandas è uno dei pacchetti Python per la data science più popolari ed è lo strumento standard per lavorare con dati tabulari in Python. Per fortuna, anche un principiante assoluto può imparare e iniziare a programmare in pandas nel giro di un paio di settimane. Ecco come iniziare.
Cosa sapere prima di iniziare
Che cos’è pandas?
pandas è uno dei primi pacchetti Python che dovresti imparare perché è semplice da usare, open source e ti permette di lavorare con grandi quantità di dati. Consente una manipolazione dei dati rapida ed efficiente, aggregazioni e pivot, funzionalità flessibili per le serie temporali e altro ancora.
pandas offre molte delle stesse funzionalità di SQL o Excel e può acquisire vari tipi di dati—da file CSV e di testo a file Microsoft Excel, database SQL e altro. Ha il vantaggio aggiuntivo di permetterti di convertirli in un oggetto DataFrame, che rappresenta semplicemente colonne e righe simili ai dati tabulari di Excel—ma in Python.
Il DataFrame di pandas in azione
Come si inserisce pandas nell’ecosistema PyData?
Quando analizzi i dati con Python, pandas viene spesso usato insieme ad altri pacchetti e strumenti. Questi vanno da pacchetti di machine learning per fare previsioni sui dati come scikit-learn, a pacchetti di visualizzazione come Matplotlib e seaborn, fino a strumenti come i Jupyter Notebooks per creare e condividere report che contengono codice, visualizzazioni e testo. Tutti questi strumenti compongono ciò che di solito viene chiamato ecosistema PyData. Ma non serve impararli tutti insieme—inizia concentrandoti su pandas.
Sei passi per il tuo percorso di apprendimento di pandas
1) Impara la sintassi base di Python
pandas è un pacchetto costruito per Python, quindi ti serve una solida comprensione della sintassi base di Python prima di iniziare con pandas. È molto facile perdersi quando si studia la sintassi, perché i corsi introduttivi spesso rendono l’apprendimento noioso concentrandosi solo sulla sintassi di Python.
Come regola generale, dovresti dedicare il minor tempo possibile alla sintassi e impararne quanto basta per iniziare a svolgere compiti semplici con pandas. Ecco un elenco di risorse di puro Python per iniziare con le basi:
- A Practical Introduction to Python 3
- Pagina principale del tutorial di Python
- Introduzione a Python di DataCamp
2) Configura il tuo ambiente Python
Prima di lavorare con pandas, devi configurare un ambiente Python sul tuo computer. Questo ti permetterà di applicare le nuove competenze e sperimentare con pandas sui tuoi dati.
Per configurare il tuo ambiente Python per la data science, ti consiglio di installare una distribuzione Anaconda per installare comodamente pandas insieme ai pacchetti e agli strumenti di data science rilevanti, come Jupyter Notebooks.
Per una guida introduttiva alla configurazione dell’ambiente Python con Anaconda, guarda il mio training pratico con un tutorial passo passo. Puoi anche seguire le guide per principianti per installare Anaconda su Windows e Mac OS X.
3) Impara facendo
In DataCamp crediamo che imparare facendo sia il modo migliore per apprendere e applicare competenze di programmazione. Mettere in pratica le tue abilità con pandas tramite progetti guidati ti aiuterà a uscire dalla tua comfort zone, imparare a fare debug e leggere la documentazione, e acquisire sicurezza lavorando con dati reali.
Diventare abile in pandas richiede di saper importare ed esportare dati di diversi tipi, manipolare e rimodellare i dati, fare pivot e aggregazioni, ricavare semplici insight dai DataFrame e altro ancora. Ecco un elenco di risorse che trattano questi argomenti e non solo, con codice pandas facile da applicare sotto forma di progetti guidati:
- Il sito di pandas offre una quantità di tutorial per iniziare a usare il pacchetto. Ancora più importante, contiene molti tutorial della community per aiutare i nuovi utenti a partire.
- Pandas Cookbook è un ottimo libro che offre un approccio ricco di codice e basato su progetti per lavorare con pandas. Introduce anche altri pacchetti spesso usati con pandas nell’ecosistema PyData, come seaborn per la visualizzazione dei dati.
- DataCamp offre una serie di corsi su pandas dal livello principiante all’avanzato. Il corso pandas foundations ti mostra come importare DataFrame, condurre analisi esplorative di base e analizzare serie temporali—il tutto dal browser.
4) Lavora su progetti con dati reali
Mettere in pratica le abilità su pandas che hai imparato su dati reali è un ottimo modo per consolidarle e applicarle con sicurezza nel lavoro quotidiano.
Ci sono vari modi per iniziare un tuo progetto. Per cominciare, se il tuo lavoro quotidiano richiede di lavorare con dati tabulari, inizia a usare pandas invece di software per fogli di calcolo come Google Sheets e Microsoft Excel. Anche se inizialmente potrebbe richiedere più tempo, ti aiuterà ad affinare e mantenere le tue competenze su pandas, rendendoti più veloce e più competente nel lungo periodo.
Kaggle contiene una serie di dataset reali e competizioni di machine learning. Pur incoraggiandoti a imparare il machine learning, è più adatto a chi è già a uno stadio avanzato, quindi all’inizio concentrati su progetti focalizzati sull’analisi e l’esplorazione dei dati con pandas. Puoi farlo scrivendo notebook di analisi dei dati su Kaggle o su piattaforme di blogging come Medium.
5) Padroneggia l’arte del debugging
Una delle competenze più trascurate che ogni aspirante programmatore deve affinare è il debugging. Tutti gli utilizzatori di Python e pandas, a prescindere dal livello, si imbattono in errori e problemi nel loro codice. Quando incontri errori nel tuo codice pandas, hai a disposizione queste risorse:
- Google è il primo posto in cui vado quando mi trovo di fronte a errori nel mio codice. Quasi sempre, la risposta alla mia domanda su pandas sarà tra i primi dieci risultati di ricerca.
- Stack Overflow è la più grande community di sviluppatori dove puoi chiedere aiuto per il debugging del codice ponendo e rispondendo a domande di programmazione. Attualmente contiene circa 180.000 domande su pandas. Se vuoi pubblicare una domanda, assicurati di seguire le loro best practice per formulare le domande.
- La documentazione sarà sempre tua amica, e la documentazione di pandas è ampia. Copre tutte le funzionalità possibili di pandas oltre alle migliori pratiche.
6) Continua ad ampliare le tue competenze su pandas
Continua a costruire e ampliare le tue competenze su pandas. Molte risorse trattano argomenti avanzati. Per esempio, Mastering pandas di Ashish Kumar illustra tecniche per velocizzare e semplificare il tuo workflow con pandas. Questo post sul blog di Real Python raccoglie suggerimenti e trucchi per utenti avanzati. Puoi anche iniziare a imparare come altri pacchetti dell’ecosistema PyData estendono le capacità di pandas, come seaborn e plotly, per creare grafici interattivi.
Un grafico interattivo realizzato con Plotly
Un ottimo modo per ampliare le tue competenze su pandas è rivedere parte del codice che hai scritto all’inizio del tuo percorso di apprendimento. Prova a individuare opportunità per semplificare il codice, adottare le best practice e sfruttare altri pacchetti dell’ecosistema PyData.
Spero che questo post ti abbia ispirato e che queste risorse ti siano utili. Padroneggiare pandas è un percorso di apprendimento che dura tutta la vita—al quale sto partecipando anch’io. In DataCamp, pandas è trattato nel nostro curriculum principale e continuiamo a migliorare e ad ampliare i nostri contenuti. Infine, ti invito a unirti a migliaia di studenti nella DataCamp Slack Community per avere supporto nel tuo percorso con pandas!
Adel Nehme è Data Science Evangelist in DataCamp. In precedenza è stato Content Developer, collaborando con gli istruttori a vari corsi di Python e creando il nostro corso Cleaning Data in Python.
