Filtraggio e selezione di dati

Argomenti: selezione di colonne, selezione di righe, filtraggio condizionale.

Intro

Una delle principali forze di Pandas è la capacità di filtrare e selezionare dati in modo efficiente da un DataFrame. Che tu stia cercando valori specifici, righe o colonne, o che tu voglia applicare condizioni più complesse, Pandas ha gli strumenti giusti per il lavoro.

Selezione di colonne

Selezionare una colonna da un DataFrame è semplice come accedere a un elemento di un dizionario utilizzando il nome della colonna:

import pandas as pd
# Supponiamo di avere un DataFrame chiamato df
colonna = df["nome_colonna"]

Per selezionare più colonne, è possibile utilizzare una lista di nomi di colonne:

colonne_selezionate = df[["colonna1", "colonna2", "colonna3"]]

Selezione di righe

Per selezionare righe in base alla loro posizione, Pandas offre i metodi .loc[] e .iloc[]. Mentre .loc[] si riferisce agli indici basati su etichetta, .iloc[] si riferisce agli indici basati su posizione (interi):

# Seleziona la riga con etichetta indice 5
riga = df.loc[5]

# Seleziona la sesta riga (base 0)
riga = df.iloc[5]

Filtraggio condizionale

Spesso, si desidera selezionare righe in base a una o più condizioni. Ecco come fare:

# Supponiamo di voler selezionare tutte le righe dove la colonna 'eta' è maggiore di 18
maggiorenni = df[df["eta"] > 18]

Per combinare più condizioni, si possono utilizzare gli operatori & (and) e | (or):

# Seleziona le righe dove 'eta' è maggiore di 18 e 'città' è "Roma"
roma_maggiorenni = df[(df["eta"] > 18) & (df["città"] == "Roma")]

Ricorda di mettere ogni condizione tra parentesi quando combini le condizioni.

Esercizi

Esercizio 1

1. Crea un DataFrame a partire da un file CSV o da un dizionario. Seleziona una singola colonna e più colonne contemporaneamente.

2. Prova a selezionare una specifica riga utilizzando sia .loc[] che .iloc[].

3. Crea almeno tre differenti filtraggi condizionali sul tuo DataFrame, combinando più condizioni quando possibile.

Congratulazioni! 🎉

Hai appreso le basi del filtraggio e della selezione di dati con Pandas.