Come usare pandas in Python - guida pratica ed esempi

In questa guida pratica a pandas per Python, scoprirai i concetti essenziali per l’analisi dei dati con DataFrame e Serie. Imparerai a importare, pulire e trasformare dataset reali con operazioni chiare e ripetibili. Con esempi concreti e consigli su spazi bianchi e separatori, costruirai un flusso di lavoro solido e comprensibile.

Obiettivo: farti usare pandas in modo sicuro e produttivo. Imparerai installazione, importazione, lettura di CSV/Excel, selezione e filtri, raggruppamenti, pulizia di spazi bianchi e gestione dei valori mancanti, con esempi semplici e buone pratiche riusabili.

Che cos’è pandas e come funziona?

pandas è una libreria Python per la manipolazione e l’analisi dei dati. Il suo fulcro è il DataFrame: una tabella con righe e colonne dotate di etichette, ideale per operazioni veloci e leggibili su dati eterogenei.

pandas è uno strumento di analisi e manipolazione dei dati, open source, veloce, potente e flessibile, basato sul linguaggio Python.

Mostra testo originale

pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.

Due strutture principali: Serie (colonne 1D) e DataFrame (tabelle 2D). Con esse effettui selezioni, filtri, aggregazioni e unioni in poche righe leggibili, riducendo il codice “colla” e aumentando la chiarezza.

<pre><code>import pandas as pd df = pd.DataFrame({ "nome": ["Ana", "Luca", "Sara"], "eta": [29, 34, 26] }) print(df) </code></pre>

Come installare e importare pandas?

Per installarla rapidamente, esegui pip install pandas. In alternativa, con ambienti scientifici è comune usare conda. Mantieni un ambiente virtuale dedicato per isolare dipendenze e versioni.

<pre><code># con pip pip install pandas # con conda conda install pandas # import tipico import pandas as pd </code></pre>

Dopo l’import, l’alias pd rende il codice più conciso. Verifica la versione con pd.version per allineare esempi e comportamenti.

Passaggi essenziali rapidi

• Installa pandas con pip o conda.
• Importa la libreria come pd.
• Crea un DataFrame da dict o file.
• Leggi CSV/Excel impostando sep e header se serve.
• Seleziona e filtra con loc, iloc e maschere booleane.
• Pulisci spazi bianchi con str.strip e gestisci NaN.
• Raggruppa e aggrega con groupby per riepiloghi.

Come leggere file CSV ed Excel?

Per leggere file CSV con pandas usa <code>pd.read_csv</code>; per Excel usa <code>pd.read_excel</code>. Il separatore predefinito dei CSV è la virgola (<code>sep=','</code>), ma puoi impostare altri separatori come <code>\t</code> (tab) o <code>;</code>.

<pre><code># CSV con separatore punto e virgola e spazio dopo il separatore # skipinitialspace ignora lo spazio dopo il separatore ordini = pd.read_csv("ordini.csv", sep=";", skipinitialspace=True, encoding="utf-8") # Excel: selezione del foglio x = pd.read_excel("vendite.xlsx", sheet_name="2024") </code></pre>

Attenzione a encoding e formati numerici: se i decimali usano la virgola, imposta <code>decimal=","</code>; se ci sono separatori delle migliaia, usa <code>thousands</code>. Se la prima riga non è l’intestazione, specifica <code>header=None</code> e fornisci <code>names=[...]</code>.

<pre><code># Decimali con virgola e migliaia con punto prezzi = pd.read_csv( "prezzi.csv", sep=";", decimal=",", thousands=".", encoding="utf-8" ) </code></pre>

Se colonne o valori includono spazi indesiderati, potresti già mitigare in lettura con <code>skipinitialspace</code> o ripulire in seguito con funzioni stringa.

Come selezionare, filtrare e ordinare i dati?

La selezione per etichette si fa con .loc, quella per posizioni con .iloc. I filtri usano maschere booleane; l’ordinamento si ottiene con .sort_values. Queste operazioni, combinate, creano pipeline leggibili e sicure.

<pre><code># Selezione colonne e righe subset = ordini.loc[ordini["stato"] == "chiuso", ["id", "cliente", "totale"]] # Ordinamento top = subset.sort_values("totale", ascending=False).head(10) </code></pre>

Qual è la differenza tra loc e iloc?

.loc usa etichette di righe e colonne (inclusi booleani sul contenuto), mentre .iloc usa indici interi posizionali. loc è esplicito e leggibile; iloc è utile per slicing numerico e operazioni basate sulla posizione.

Quando usare groupby?

Usa groupby quando devi ottenere riepiloghi per categoria: somma vendite per cliente, medie per mese, conteggi per stato. Combinalo con agg per più metriche e con as_index=False per mantenere il risultato tabellare.

<pre><code>report = ( ordini .groupby("cliente", as_index=False) .agg(totale=("totale", "sum"), media=("totale", "mean"), ordini=("id", "count")) .sort_values("totale", ascending=False) ) </code></pre>

Come gestire spazi bianchi e valori mancanti?

Gli spazi bianchi possono nascondersi in intestazioni e campi testuali, causando duplicati “fantasma” o confronti errati. Prima normalizza i nomi delle colonne, poi ripulisci i valori stringa; quindi tratta i NaN con regole coerenti.

<pre><code># Rimuovere spazi in testa/coda dalle intestazioni df.columns = df.columns.str.strip() # Rimuovere spazi in stringhe (solo colonne oggetto) obj_cols = df.select_dtypes(include="object").columns df[obj_cols] = df[obj_cols].apply(lambda s: s.str.strip()) # Consolidare spazi interni multipli in uno df["cliente"] = df["cliente"].str.replace(r"\s+", " ", regex=True) </code></pre>

Il metodo str.strip rimuove spazi iniziali e finali;

str.replace con espressioni regolari riduce spazi multipli interni. Per i mancanti, usa dropna per escludere righe o fillna per sostituire con valori neutri o medie di colonna.

<pre><code># Gestione dei mancanti pulito = ( df .assign(totale=df["quantita"].fillna(0) * df["prezzo"].fillna(0)) .dropna(subset=["cliente", "prodotto"]) # assicurare campi chiave ) </code></pre>

Suggerimenti pratici ed errori comuni

Questi suggerimenti ti aiutano a evitare trappole frequenti e a mantenere pipeline chiare e riproducibili.

• Carica file grandi a blocchi con <code>chunksize</code>. Riduci la memoria leggendo solo colonne necessarie con <code>usecols</code>. Così verifichi logica e prestazioni su campioni prima di tutto il dataset.
• Definisci i tipi in lettura (parametro <code>dtypes</code>) per evitare conversioni costose e ambigue. Tipi coerenti rendono i confronti più affidabili e riducono gli errori.
• Evita assegnazioni ambigue: preferisci <code>.loc[cond, "col"] = valore</code>. Così eviti la SettingWithCopyWarning e garantisci che la modifica avvenga sulla struttura prevista.
• Normalizza il time zone per le date. Usa <code>to_datetime(..., utc=True)</code> o converti con <code>dt.tz_convert</code> per confronti consistenti tra origini diverse.
• Per unioni, verifica chiavi e cardinalità. merge sbagliati generano duplicazioni o perdite; usa <code>validate="one_to_one"</code> e controlla i conteggi prima e dopo.
• Preferisci operazioni vettoriali a loop espliciti: sono più leggibili e molto più veloci. Usa <code>where</code>, <code>mask</code> e funzioni su colonne invece di <code>for</code>.
• Rinomina colonne in modo consistente: minuscole, senza spazi, con underscore. Facilita selezioni e riduce refusi nelle pipeline.
• Documenta le scelte con commenti brevi ma chiari. Una pipeline con motivazioni esplicite è più manutenibile e facile da verificare.

Domande frequenti

In sintesi operativa

• pandas semplifica la manipolazione dati con DataFrame e Serie.
• Importa con read_csv/read_excel; imposta sep, header ed encoding quando serve.
• Seleziona con loc/iloc e filtra con maschere booleane.
• Pulisci: rimuovi spazi bianchi, gestisci NaN e tipi coerenti.
• Riepiloga con groupby e funzioni di aggregazione mirate.

Padroneggiare pandas richiede pratica su casi reali: parti da piccoli dataset, definisci obiettivi chiari e costruisci pipeline semplici. Salva i passaggi in script riutilizzabili e aggiungi test minimi per garantire risultati stabili nel tempo. Quando incontri ambiguità, semplifica e verifica con esempi ridotti.

Espandi gradualmente: prova unioni tra tabelle, colonne calcolate e salvataggi in formati diversi. Confronta sempre input e output, controlla i tipi e documenta le decisioni. Così svilupperai procedure affidabili e trasferibili tra progetti, mantenendo leggibilità e qualità dei dati.