Filtraggio e creazione di nuove colonne

Argomenti: Utilizzo di condizioni per filtrare, creare colonne derivanti da altre colonne, uso di funzioni su colonne.

Intro

Oltre alla pulizia dei dati, spesso abbiamo bisogno di adattare e trasformare i nostri dataset per rispondere a specifiche domande o preparare i dati per l'analisi. Una parte fondamentale di questo processo riguarda il filtraggio dei dati e la creazione di nuove colonne basate sulle informazioni esistenti.

Filtraggio dei dati

Utilizzando Pandas, possiamo facilmente filtrare le righe del nostro DataFrame basandoci su condizioni specifiche:

import pandas as pd

# Supponiamo di avere un DataFrame chiamato 'data'
filtro = data['colonna'] > 100
data_filtrata = data[filtro]

È anche possibile combinare più condizioni utilizzando & (and) e | (or):

filtro_composto = (data['colonna1'] > 100) & (data['colonna2'] == 'valore')
data_filtrata_composta = data[filtro_composto]

Creazione di nuove colonne

Creare una nuova colonna derivante da colonne esistenti è un modo potente per aggiungere ulteriori informazioni al nostro DataFrame:

data['nuova_colonna'] = data['colonna1'] + data['colonna2']

O, ad esempio, possiamo usare funzioni per operare su colonne e generare nuovi valori:

def funzione_personalizzata(x):
    return x * 2

data['colonna_transformed'] = data['colonna'].apply(funzione_personalizzata)

tip

L'uso del metodo .apply() è molto potente e ti permette di applicare qualsiasi funzione su una colonna o su tutto il DataFrame.

Esercizi

Esercizio 1

1. Filtra il tuo DataFrame basandoti su specifiche condizioni. Prova a combinare più condizioni.
2. Crea una nuova colonna nel tuo DataFrame che rappresenti una combinazione di due colonne esistenti.
3. Usa una funzione personalizzata per trasformare una colonna e crea una nuova colonna con i risultati.

Congratulazioni! 🎉

Hai appreso come filtrare efficacemente i tuoi dati e come creare nuove colonne per arricchire e trasformare il tuo dataset.

Ora sei pront* per il progetto finale! 😎