Content from Esecuzione e chiusura

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso eseguire i programmi Python?

Obiettivi

• Avviare JupyterLab.
• Creare un nuovo script Python.
• Creare un Jupyter notebook.
• Arrestare il server di JupyterLab.
• Comprendere la differenza tra uno script Python e un Jupyter notebook.
• Creare celle Markdown in un notebook.
• Creare ed eseguire celle Python in un notebook.

Per eseguire Python, per il resto di questo workshop useremo i Jupyter Notebooks tramite JupyterLab. I notebook Jupyter sono molto diffusi nella scienza dei dati e nella visualizzazione e rappresentano una comoda soluzione per eseguire codice Python in modo interattivo, in cui è possibile visualizzare e condividere facilmente i risultati del proprio codice. Esistono altri modi per modificare, gestire ed eseguire il codice. Gli sviluppatori di software spesso usano un ambiente di sviluppo integrato (IDE) come PyCharm o Visual Studio Code, oppure editor di testo come Vim o Emacs, per creare e modificare i loro programmi Python. Dopo aver modificato e salvato i programmi, è possibile eseguirli all’interno dell’IDE stesso o direttamente dalla riga di comando. I notebook Jupyter, invece, consentono di eseguire e visualizzare immediatamente i risultati del codice all’interno del notebook.

JupyterLab ha diverse funzioni utili:

• È possibile digitare, modificare, copiare e incollare facilmente blocchi di codice.
• L’autocompletamento consente di accedere rapidamente a nomi di oggetti/metodi e di scoprirne di più.
• Permette di annotare il codice con collegamenti, testo di dimensioni diverse, elenchi puntati ecc., per renderlo più accessibile a voi e ai vostri collaboratori.
• Consente di visualizzare le figure accanto al codice che le produce, per raccontare una storia completa dell’analisi.

Ogni notebook contiene una o più celle che possono contenere codice, testo o immagini.

Iniziare con JupyterLab

---

JupyterLab è un server di applicazioni con interfaccia web del Project Jupyterhe consente di lavorare con documenti e attività (notebook Jupyter, editor di testo, terminali e componenti personalizzati) in modo flessibile, integrato ed estensibile. JupyterLab richiede un browser ragionevolmente aggiornato (idealmente una versione corrente di Chrome, Safari o Firefox); Internet Explorer 9 e precedenti non sono supportati.

JupyterLab è incluso nella distribuzione Anaconda Python. Se non avete ancora installato Anaconda, consultate le istruzioni di installazione per le istruzioni di installazione.

questa lezione eseguiremo JupyterLab in locale sui nostri computer, quindi non sarà necessaria una connessione a Internet oltre a quella iniziale per scaricare e installare Anaconda e JupyterLab.

• Avviare il server JupyterLab sul proprio computer.
• Usare un browser per aprire uno speciale URL localhost che si connette al server JupyterLab.
• Il server JupyterLab esegue il lavoro e il browser web visualizza il risultato.
• Digitare il codice nel browser e vedere i risultati dopo che il server JupyterLab ha terminato l’esecuzione del codice.

Richiamo

JupyterLab? E i taccuini Jupyter?

JupyterLab è la prossima tappa dell’evoluzione del Jupyter Notebook. Se avete già lavorato con i notebook Jupyter, sapete cosa aspettarvi da JupyterLab.

GGli utenti esperti interessati a un confronto più dettagliato tra le interfacce di JupyterLab e dei notebook Jupyter possono consultare la documentazione dell’interfaccia utente di JupyterLab.

Avvio di JupyterLab

---

È possibile avviare il server JupyterLab dalla riga di comando o tramite un’applicazione chiamata Anaconda Navigator (inclusa nella distribuzione Anaconda Python).

macOS - Riga di comando

Per avviare il server JupyterLab è necessario accedere alla riga di comando tramite Terminale. Due modi per aprirlo su Mac:

1. Nella cartella Applicazioni, aprire Utility e fare doppio clic su Terminale.
2. Premere Comando + barra spaziatrice pper aprire Spotlight, digitare Terminal e premere Invio o fare doppio clic sul risultato.

Dopo aver avviato Terminale, eseguite:

BASH

$ jupyter lab

Utenti Windows - Riga di comando

Per avviare il server JupyterLab è necessario accedere all’Anaconda Prompt.

Premere Tasto logo di Windows e cercare Anaconda Prompt, e aprirlo. Poi eseguire:

BASH

$ jupyter lab

Anaconda Navigator

Per avviare JupyterLab da Anaconda Navigator occorre prima avviare Anaconda Navigator (cliccare per istruzioni dettagliate su macOS, Windows e Linux). È possibile cercarlo con Spotlight su macOS (Command + barra spaziatrice), con la ricerca di Windows (tasto logo), oppure aprendo un terminale ed eseguendo anaconda-navigator.

Dopo l’avvio di Anaconda Navigator, fare clic su Launch sotto JupyterLab (potrebbe essere necessario scorrere).

Ecco una schermata di una pagina di Anaconda Navigator simile a quella che dovrebbe aprirsi su macOS o Windows.

Ecco una schermata di una pagina di destinazione di JupyterLab che dovrebbe essere simile a quella che si apre nel browser web predefinito dopo aver avviato il server JupyterLab su macOS o Windows.

L’interfaccia di JupyterLab

---

JupyterLab ha molte caratteristiche tipiche degli IDE tradizionali, ma è focalizzato su blocchi flessibili per il calcolo interattivo ed esplorativo.

L’interfaccia di JupyterLab omprende la Barra dei menu, una barra laterale sinistra comprimibile e l’area di lavoro principale con le schede di documenti e attività.

Barra dei menu

La barra dei menu, in alto, espone azioni e scorciatoie. I menu predefiniti includono:

• File: operazioni su file e directory come Nuovo, Apri, Chiudi, Salva, ecc. Il menu File comprende anche l’azione Shut Down utilizzata per spegnere il server JupyterLab.
• Modifica: Azioni relative alla modifica di documenti e altre attività come Undo, Cut, Copy, Paste, ecc.
• Visualizza: Azioni che modificano l’aspetto di JupyterLab.
• Esegui: Azioni per l’esecuzione di codice in diverse attività come i notebooks e le console di codice (discusse più avanti).
• Kernel: Azioni per la gestione dei kernel. I kernel in Jupyter saranno spiegati in dettaglio più avanti.
• Tabs: Un elenco dei documenti e delle attività aperte nell’area di lavoro principale.
• Impostazioni: Le impostazioni comuni di JupyterLab possono essere configurate utilizzando questo menu. Nel menu a discesa è presente anche un’opzione Advanced Settings Editor che fornisce un controllo più preciso delle impostazioni e delle opzioni di configurazione di JupyterLab.
• Help: Un elenco di link di aiuto a JupyterLab e al kernel.

Richiamo

Kernel

La documentazione di JupyterLab definisce i kernel come «processi separati avviati dal server che eseguono il codice in diversi linguaggi ed ambienti». Aprire un notebook avvia un kernel (un processo) che eseguirà il codice. In questa lezione useremo il kernel IPython per eseguire interattivamente codice Python 3.

L’uso di altri kernel per altri linguaggi di programmazione di Jupyter ci permetterebbe di scrivere ed eseguire codice in altri linguaggi di programmazione nella stessa interfaccia di JupyterLab, come R, Java, Julia, Ruby, JavaScript, Fortran, ecc.

Di seguito è riportata una schermata della barra dei menu predefinita.

Barra laterale sinistra

La barra laterale sinistra contiene una serie di schede di uso comune, come il browser dei file (che mostra il contenuto della directory in cui è stato lanciato il server JupyterLab), l’elenco dei kernel e dei terminali in esecuzione, la tavolozza dei comandi e l’elenco delle schede aperte nell’area di lavoro principale. Di seguito è riportata un’immagine della barra laterale sinistra predefinita.

La barra laterale sinistra può essere chiusa o espansa selezionando “Mostra barra laterale sinistra” nel menu Visualizza o facendo clic sulla scheda della barra laterale attiva.

Area di lavoro principale

L’area di lavoro principale di JupyterLab consente di organizzare i documenti (notebook, file di testo, ecc.) e le altre attività (terminali, console di codice, ecc.) in pannelli di schede che possono essere ridimensionati o suddivisi. Di seguito è riportata una schermata dell’area di lavoro principale predefinita.

Se non vedete la scheda Launcher, fate clic sul segno più blu sotto i menu “File” e “Modifica” e apparirà.

Trascinate una scheda al centro di un pannello di schede per spostare la scheda nel pannello. Suddividere un pannello di schede trascinando una scheda a sinistra, a destra, in alto o in basso del pannello. L’area di lavoro ha una sola attività corrente. La scheda dell’attività corrente è contrassegnata da un bordo superiore colorato (blu per impostazione predefinita).

Creazione di uno script Python

---

• Per iniziare a scrivere un nuovo programma Python, fate clic sull’icona Text File sotto l’intestazione Other nel Launcher dell’area di lavoro principale.
  • È anche possibile creare un nuovo file di testo semplice selezionando New -> Text File dal menu File nella barra dei menu.
• Per convertire questo file di testo in un programma Python, selezionate l’azione Save File As dal menu File nella barra dei menu e date al nuovo file di testo un nome che termini con l’estensione .py.
  • L’estensione .py fa capire a tutti (compreso il sistema operativo) che questo file di testo è un programma Python.
  • Questa è una convenzione, non un requisito.

Creazione di un quaderno Jupyter

---

Per aprire un nuovo notebook fare clic sull’icona Python 3 sotto l’intestazione Notebook nel Launcher dell’area di lavoro principale. È anche possibile creare un nuovo blocco note selezionando New -> Notebook dal menu File nella barra dei menu.

Note aggiuntive sui Jupyter notebook.

• I file del notebook hanno l’estensione .ipynb per distinguerli dai programmi Python in testo semplice.
• I notebook possono essere esportati come script Python che possono essere eseguiti dalla riga di comando.

Di seguito è riportata una schermata di un Jupyter notebook in esecuzione all’interno di JupyterLab. Se siete interessati a maggiori dettagli, consultate la documentazione ufficiale del notebook.

Richiamo

Come è memorizzato

• Il file del notebook è memorizzato in un formato chiamato JSON.
• Proprio come una pagina web, ciò che viene salvato è diverso da ciò che si vede nel browser.
• Ma questo formato consente a Jupyter di combinare codice sorgente, testo e immagini in un unico file.

Sfida

Disporre i documenti in pannelli di schede

Nell’area di lavoro principale di JupyterLab è possibile organizzare i documenti in pannelli di schede. Ecco un esempio tratto dalla documentazione ufficiale.

Per prima cosa, create un file di testo, una console Python e una finestra di terminale e disponeteli in tre pannelli. Poi create un notebook, una finestra di terminale e un file di testo e disponeteli in tre pannelli. Infine, create la vostra combinazione di pannelli e schede. Quale combinazione ritenete più utile per il vostro flusso di lavoro?

Soluzione

Dopo aver creato le schede necessarie, trascinate una scheda al centro di un pannello per spostarla; quindi suddividete un pannello trascinando una scheda a sinistra, a destra, in alto o in basso.

Richiamo

Codice vs. Testo

Jupyter mescola codice e testo in diversi tipi di blocchi, chiamati celle. Spesso usiamo il termine “codice” per indicare “il codice sorgente di un software scritto in un linguaggio come Python”. Una “cella di codice” in un blocco note è una cella che contiene software; una “cella di testo” è una cella che contiene normale testo scritta per gli esseri umani.

Il notebook ha le modalità Comando e Modifica.

---

• Premendo alternatamente Esc e Ritorno, iil bordo della cella cambia (grigio ↔︎ blu).
• Queste sono le modalità Comando (grigio) e Modifica (blu) del blocco note.
• La modalità comando (bordo grigio) consente di modificare le funzioni a livello di blocco note, mentre la modalità Modifica modifica il contenuto delle celle (bordo blu).
• In modalità Comando (esc/grigio),
  • Il tasto b crea una nuova cella sotto la cella attualmente selezionata.
  • il tasto a ne crea uno sopra.
  • Il tasto x cancella la cella corrente.
  • Il tasto z annulla l’ultima operazione della cella (che può essere una cancellazione, una creazione, ecc.).
• Tutte le azioni possono essere eseguite utilizzando i menu, ma ci sono molte scorciatoie da tastiera per velocizzare le operazioni.

Sfida

Comando Vs. Modifica

Nella pagina del notebook siete in modalità Comando o Modifica? Passate da una modalità all’altra. Usate le scorciatoie per creare una nuova cella, eliminarla e annullare l’ultima operazione.

Soluzione

La modalità Comando ha un bordo grigio e la modalità Modifica ha un bordo blu. Usate Esc e Retro per passare da una modalità all’altra. Dovete essere in modalità Comando (premete Esc se la cella è blu). Digitare b o a. È necessario essere in modalità Comando (premere Esc se la cella è blu). Digitare x. È necessario essere in modalità Comando (premere Esc se la cella è blu). Digitare z.

Utilizzare la tastiera e il mouse per selezionare e modificare le celle.

• Premendo il tasto Invio il bordo diventa blu e si attiva la modalità Modifica, che consente di digitare all’interno della cella.
• Poiché vogliamo essere in grado di scrivere molte righe di codice in una singola cella, premendo il tasto Invio in modalità Modifica (blu) si sposta il cursore sulla riga successiva della cella, proprio come in un editor di testo.
• Abbiamo bisogno di un altro modo per dire al blocco note che vogliamo eseguire ciò che è contenuto nella cella.
• Premendo insieme Shift+Ritorno si eseguirà il contenuto della cella.
• Notate che i tasti Return e Shift sulla destra della tastiera sono uno accanto all’altro.

Il blocco note trasformerà Markdown in una documentazione ben stampata.

• I notebook possono renderizzare file Markdown.
  • Un semplice formato di testo per scrivere elenchi, collegamenti e altri elementi che potrebbero essere inseriti in una pagina Web.
  • Equivalentemente, un sottoinsieme di HTML che assomiglia a quello che si invia in una e-mail vecchio stile.
• Trasformate la cella corrente in una cella Markdown accedendo alla modalità Comando (Esc/grigio) e premendo il tasto M.
• In [ ]: scomparirà per indicare che non è più una cella di codice e si potrà scrivere in Markdown.
• Trasformate la cella corrente in una cella Codice accedendo alla modalità Comando (Esc/grigio) e premendo il tasto y.

Markdown fa la maggior parte di ciò che fa l’HTML.

Tabella di esempio: sintassi Markdown e output renderizzato.

Markdown code	Rendered output
* Use asterisks * to create * bullet lists.	Use asterisks to create bullet lists.
1. Use numbers 1. to create 1. bullet lists.	Use numbers to create numbered lists.
* You can use indents * To create sublists * of the same type * Or sublists 1. Of different 1. types	You can use indents To create sublists of the same type Or sublists Of different types
# A Level-1 Heading	A Level-1 Heading
## A Level-2 Heading (etc.)	A Level-2 Heading (etc.)
Line breaks don't matter. But blank lines create new paragraphs.	Line breaks don’t matter. But blank lines create new paragraphs.
[Links](http://software-carpentry.org) are created with `[...](...)`. Or use [named links][data-carp]. [data-carp]: http://datacarpentry.org	Links are created with [...](...). Or use named links.

Sfida

Creare elenchi in Markdown

Create un elenco annidato in una cella Markdown che assomigli a:

1. Ottenere finanziamenti.
2. Fare il lavoro.

• Esperimento di progettazione.
• Raccogliere i dati.
• Analizzare.

3. Scrivere.
4. Pubblica.

Soluzione

Questa sfida integra sia l’elenco numerato che l’elenco puntato. Si noti che l’elenco puntato è rientrato di 2 spazi in modo da essere in linea con gli elementi dell’elenco numerato.

1.  Ottenere finanziamenti.
2.  Fare il lavoro.
    *   Esperimento di progettazione.
    *   Raccogliere i dati.
    *   Analizzare.
3.  Scrivere.
4.  Pubblica.

Sfida

Più matematica

Cosa viene visualizzato quando viene eseguita una cella Python in un blocco note che contiene diversi calcoli? Ad esempio, cosa succede quando viene eseguita questa cella?

PYTHON

7 * 3
2 + 1

Soluzione

Python restituisce l’output dell’ultimo calcolo.

PYTHON

3

Sfida

Cambia una cella esistente da Codice a Markdown

Cosa succede se si scrive Python in una cella di codice e poi si passa a una cella di Markdown? Ad esempio, inserite quanto segue in una cella di codice:

PYTHON

x = 6 * 7 + 12
print(x)

e poi eseguirlo con Shift+Return per essere sicuri che funzioni come cella di codice. Ora tornate alla cella e usate Esc e poi m per passare la cella a Markdown ed “eseguirla” con Shift+Return. Cosa è successo e come potrebbe essere utile?

Soluzione

Il codice Python viene trattato come testo Markdown. Le righe appaiono come se facessero parte di un unico paragrafo contiguo. Questo potrebbe essere utile per attivare e disattivare temporaneamente le celle nei quaderni che vengono utilizzati per più scopi.

PYTHON

x = 6 * 7 + 12 print(x)

Sfida

Equazioni

Il Markdown standard (come quello che stiamo usando per queste note) nnon renderizza le equazioni, ma il notebook sì. Creare una nuova cella Markdown e inserire quanto segue:

$\sum_{i=1}^{N} 2^{-i} \approx 1$

(probabilmente è più facile copiare e incollare). Cosa mostra? Cosa pensate che facciano il trattino basso, _, il circonflesso, ^, e il segno del dollaro, $?

Soluzione

Il notebook mostra l’equazione come verrebbe renderizzata con sintassi LaTeX. Il segno del dollaro, $, è usato per indicare a Markdown che il testo intermedio è un’equazione LaTeX. Se non si ha familiarità con LaTeX, il trattino basso, _, è usato per i pedici e il circonflesso, ^, per gli apici. Una coppia di parentesi graffe, { e }, viene usata per raggruppare il testo in modo che l’istruzione i=1 diventi il pedice e N l’apice. Allo stesso modo, -i è tra parentesi graffe per rendere l’intera istruzione l’apice di 2. \sum e \approx sono comandi LaTeX per i simboli “somma su” e “approssima”.

Chiusura di JupyterLab

---

• Dalla barra dei menu selezionare il menu “File” e poi scegliere “Shut Down” in fondo al menu a discesa. Verrà richiesto di confermare l’arresto del server JupyterLab(non dimenticate di salvare il vostro lavoro!). Fare clic su “Shut Down” per chiudere il server JupyterLab.
• Per riavviare il server JupyterLab è necessario eseguire nuovamente il seguente comando da una shell.

$ jupyter lab

Discussione

Chiusura di JupyterLab

Esercitatevi a chiudere e riavviare il server JupyterLab.

Punti Chiave

• Gli script Python sono file di testo semplice.
• Usare il Jupyter Notebook per modificare ed eseguire Python.
• Il notebook ha le modalità Comando e Modifica.
• Usare tastiera e mouse per selezionare e modificare le celle.
• Il notebook renderizza Markdown in documentazione.
• Markdown copre gran parte delle funzionalità di HTML.

Content from Variabili e assegnazioni

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come si possono memorizzare i dati nei programmi?

Obiettivi

• Scrivere programmi che assegnano valori scalari alle variabili ed eseguono calcoli con tali valori.
• Tracciare correttamente i cambiamenti di valore nei programmi che utilizzano l’assegnazione scalare.

Usare le variabili per memorizzare i valori.

---

• Variabili sono nomi di valori.

• Nomi di variabili

  • Possono solo contenere lettere, cifre e il trattino basso _ (tipicamente usato per separare le parole in nomi di variabili lunghi)
  • Non possono iniziare con una cifra
  • Sono sensibili alle maiuscole (age, Age e AGE sono tre variabili diverse)

• Anche il nome deve essere significativo, in modo che l’utente o un altro programmatore sappia di cosa si tratta

• I nomi delle variabili che iniziano con trattini bassi, come __alistairs_real_age, hanno un significato speciale, quindi non lo faremo finché non avremo capito la convenzione.

• In Python il simbolo = assegna il valore a destra al nome a sinistra.

• La variabile viene creata quando le viene assegnato un valore.

• Qui Python assegna un’età alla variabile age e un nome tra virgolette alla variabile first_name.

  PYTHON

  age = 42
  first_name = 'Ahmed'

Usare print per visualizzare i valori.

---

• Python ha una funzione integrata chiamata print che stampa le cose come testo.
• Chiamate la funzione (cioè dite a Python di eseguirla) usando il suo nome.
• Fornire i valori alla funzione (cioè le cose da stampare) tra parentesi.
• Per aggiungere una stringa alla stampa, avvolgerla in apici singoli o doppi.
• I valori passati alla funzione sono chiamati argomenti

PYTHON

print(first_name, 'is', age, 'years old')

OUTPUT

Ahmed is 42 years old

• print inserisce automaticamente un singolo spazio tra gli elementi per separarli.
• e si avvolge su una nuova riga alla fine.

Le variabili devono essere create prima di essere utilizzate.

---

• Se una variabile non esiste ancora o se il nome è stato scritto male, Python segnala un errore. (A differenza di alcuni linguaggi, che “indovinano” un valore predefinito)

PYTHON

print(last_name)

ERRORE

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-1-c1fbb4e96102> in <module>()
----> 1 print(last_name)

NameError: name 'last_name' is not defined

• L’ultima riga di un messaggio di errore è di solito la più informativa.
• I messaggi di errore saranno esaminati in dettaglio [più avanti] (17-scope.md#reading-error-messages).

Richiamo

Le variabili persistono tra una cella e l’altra

Siate consapevoli che in un quaderno Jupyter è importante l’ordine di esecuzione delle celle, non l’ordine in cui appaiono. Python ricorda tutto il codice eseguito in precedenza, comprese le variabili definite, indipendentemente dall’ordine nel notebook. Pertanto, se si definiscono variabili più in basso nel notebook e poi si (ri)eseguono celle più in alto, quelle definite più in basso saranno ancora presenti. Ad esempio, si creino due celle con il seguente contenuto, in quest’ordine:

PYTHON

print(myval)

PYTHON

myval = 1

Se lo si esegue in ordine, la prima cella darà un errore. Tuttavia, se si esegue la prima cella dopo la seconda cella, verrà stampato 1. Per evitare confusione, può essere utile usare l’opzione Kernel -> Restart & Run All che cancella l’interprete ed esegue tutto da zero, dall’inizio alla fine.

Le variabili possono essere usate nei calcoli.

---

• Possiamo usare le variabili nei calcoli come se fossero valori.
  • Ricordate che abbiamo assegnato il valore 42 a age qualche riga fa.

PYTHON

age = age + 3
print('Age in three years:', age)

OUTPUT

Age in three years: 45

Usare un indice per ottenere un singolo carattere da una stringa.

---

• I caratteri (singole lettere, numeri e così via) in una stringa sono ordinati. Ad esempio, la stringa 'AB' non è uguale a 'BA'. A causa di questo ordinamento, possiamo trattare la stringa come un elenco di caratteri.
• A ogni posizione nella stringa (prima, seconda, ecc.) viene assegnato un numero. Questo numero è chiamato indice o talvolta pedice.
• Gli indici sono numerati a partire da 0.
• utilizzare l’indice della posizione tra parentesi quadre per ottenere il carattere in quella posizione.

Una riga di codice Python, print(nome_atomo[0]), dimostra che usando l’indice zero si ottiene solo la lettera iniziale, in questo caso ‘h’ per helium.

PYTHON

atom_name = 'helium'
print(atom_name[0])

OUTPUT

h

Usare una slice per ottenere una sottostringa.

---

• Una parte di una stringa è chiamata sottostringa. Una sottostringa può essere breve come un singolo carattere.
• Un elemento di un elenco è chiamato elemento. Ogni volta che trattiamo una stringa come se fosse un elenco, gli elementi della stringa sono i suoi singoli caratteri.
• Una slice è una parte di una stringa (o, più in generale, una parte di qualsiasi cosa simile a un elenco).
• Prendiamo una slice con la notazione [start:stop], dove start è l’indice intero del primo elemento che vogliamo e stop è l’indice intero dell’elemento appena successivo all’ultimo elemento che vogliamo.
• La differenza tra stop e start è la lunghezza della slice.
• L’esecuzione di una slice non modifica il contenuto della stringa originale. Al contrario, l’acquisizione di una fetta restituisce una copia di una parte della stringa originale.

PYTHON

atom_name = 'sodium'
print(atom_name[0:3])

OUTPUT

sod

Usare la funzione integrata len per trovare la lunghezza di una stringa.

---

PYTHON

print(len('helium'))

OUTPUT

6

• Le funzioni annidate vengono valutate dall’interno verso l’esterno, come in matematica.

Python è sensibile alle maiuscole e alle minuscole.

---

• Python pensa che le lettere maiuscole e minuscole siano diverse, quindi Name e name sono variabili diverse.
• Esistono convenzioni per l’uso di lettere maiuscole all’inizio dei nomi delle variabili, quindi per ora useremo lettere minuscole.

Utilizzare nomi di variabili significativi.

---

• A Python non interessa come si chiamano le variabili, purché rispettino le regole (caratteri alfanumerici e trattino basso).

PYTHON

flabadab = 42
ewr_422_yY = 'Ahmed'
print(ewr_422_yY, 'is', flabadab, 'years old')

• Utilizzare nomi di variabili significativi per aiutare gli altri a capire cosa fa il programma.
• L’“altra persona” più importante è il vostro io futuro.

Sfida

Scambio di valori

Riempire la tabella che mostra i valori delle variabili di questo programma dopo l’esecuzione di ogni istruzione.

PYTHON

# Command  # Value of x   # Value of y   # Value of swap #
x = 1.0    #              #              #               #
y = 3.0    #              #              #               #
swap = x   #              #              #               #
x = y      #              #              #               #
y = swap   #              #              #               #

Soluzione

OUTPUT

# Command  # Value of x   # Value of y   # Value of swap #
x = 1.0    # 1.0          # not defined  # not defined   #
y = 3.0    # 1.0          # 3.0          # not defined   #
swap = x   # 1.0          # 3.0          # 1.0           #
x = y      # 3.0          # 3.0          # 1.0           #
y = swap   # 3.0          # 1.0          # 1.0           #

Queste tre righe scambiano i valori in x e y usando la variabile swap come memoria temporanea. Si tratta di un idioma di programmazione piuttosto comune.

Sfida

Previsione dei valori

Qual è il valore finale di position nel programma qui sotto? (Provate a prevedere il valore senza eseguire il programma, poi verificate la vostra previsione)

PYTHON

initial = 'left'
position = initial
initial = 'right'

Soluzione

PYTHON

print(position)

OUTPUT

left

Alla variabile initial viene assegnato il valore 'left'. Nella seconda riga, anche la variabile position riceve il valore di stringa 'left'. Nella terza riga, alla variabile initial viene assegnato il valore 'right', ma la variabile position mantiene il suo valore di stringa 'left'.

Sfida

Sfida

Se si assegna a = 123, cosa succede se si cerca di ottenere la seconda cifra di a tramite a[1]?

Soluzione

I numeri non sono stringhe o sequenze e Python solleva un errore se si cerca di eseguire un’operazione di indice su un numero. Nella [prossima lezione sui tipi e sulla conversione dei tipi] (03-types-conversion.md) impareremo di più sui tipi e su come convertirli Se si desidera l’ennesima cifra di un numero, è possibile convertirla in una stringa utilizzando la funzione incorporata str e quindi eseguire un’operazione di indice su tale stringa.

PYTHON

a = 123
print(a[1])

ERRORE

TypeError: 'int' object is not subscriptable

PYTHON

a = str(123)
print(a[1])

OUTPUT

2

Sfida

Scelta di un nome

Qual è il nome migliore per una variabile, m, min o minutes? Suggerimento: pensate a quale codice preferireste ereditare da qualcuno che sta per lasciare il laboratorio:

1. ts = m * 60 + s
2. tot_sec = min * 60 + sec
3. total_seconds = minutes * 60 + seconds

Soluzione

minutes è la scelta migliore perché min potrebbe significare qualcosa come “minimo” (e in realtà è una funzione integrata in Python che tratteremo più avanti).

Sfida

Pratica di affettatura

Cosa stampa il seguente programma?

PYTHON

atom_name = 'carbon'
print('atom_name[1:3] is:', atom_name[1:3])

Soluzione

OUTPUT

atom_name[1:3] is: ar

Sfida

Concetti di affettatura

Data la seguente stringa:

PYTHON

species_name = "Acacia buxifolia"

Cosa restituiscono queste espressioni?

1. species_name[2:8]
2. species_name[11:] (senza un valore dopo i due punti)
3. species_name[:4] (senza un valore prima dei due punti)
4. species_name[:] (solo i due punti)
5. species_name[11:-3]
6. species_name[-5:-3]
7. Cosa succede quando si sceglie un valore stop che non rientra nell’intervallo? (cioè, provate con species_name[0:20] o species_name[:103])

Soluzioni

1. species_name[2:8] restituisce la sottostringa 'acia b'
2. species_name[11:] restituisce la sottostringa 'folia', dalla posizione 11 fino alla fine
3. species_name[:4] restituisce la sottostringa 'Acac', dall’inizio fino alla posizione 4 esclusa
4. species_name[:] restituisce l’intera stringa 'Acacia buxifolia'
5. species_name[11:-3] restituisce la sottostringa 'fo', dall’undicesima posizione alla terzultima
6. species_name[-5:-3] restituisce anche la sottostringa 'fo', dalla quintultima posizione alla terzultima
7. Se una parte della slice è fuori dall’intervallo, l’operazione non fallisce. species_name[0:20] dà lo stesso risultato di species_name[0:] e species_name[:103] dà lo stesso risultato di species_name[:]

Punti Chiave

• Utilizzare le variabili per memorizzare i valori.
• Usare print per visualizzare i valori.
• Le variabili persistono tra le celle.
• Le variabili devono essere create prima di essere utilizzate.
• Le variabili possono essere utilizzate nei calcoli.
• Usare un indice per ottenere un singolo carattere da una stringa.
• Usare una slice per ottenere una sottostringa.
• Usare la funzione integrata len per trovare la lunghezza di una stringa.
• Python è sensibile alle maiuscole e alle minuscole.
• Utilizzare nomi di variabili significativi.

Content from Tipi di dati e conversione dei tipi

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Quali tipi di dati memorizzano i programmi?
• Come posso convertire un tipo in un altro?

Obiettivi

• Spiegare le principali differenze tra numeri interi e numeri con la virgola.
• Spiegare le principali differenze tra numeri e stringhe.
• Utilizzare le funzioni integrate per convertire numeri interi, numeri con la virgola mobile e stringhe.

Ogni valore ha un tipo.

---

• Ogni valore in un programma ha un tipo specifico.
• Numero intero (int): rappresenta numeri interi positivi o negativi come 3 o -512.
• Numero con la virgola (float): rappresenta numeri reali come 3,14159 o -2,5.
• Stringa di caratteri (solitamente chiamata “stringa”, str): testo.
  • Scritto tra apici singoli o doppi (purché corrispondano).
  • Le virgolette non vengono stampate quando la stringa viene visualizzata.

Usare la funzione integrata type per trovare il tipo di un valore.

---

• Usare la funzione integrata type per scoprire il tipo di un valore.
• Funziona anche con le variabili.
  • Ma ricordate: il valore ha il tipo — la variabile è solo un’etichetta.

PYTHON

print(type(52))

OUTPUT

<class 'int'>

PYTHON

fitness = 'average'
print(type(fitness))

OUTPUT

<class 'str'>

I tipi controllano quali operazioni (o metodi) possono essere eseguite su un dato valore.

---

• Il tipo di un valore determina quali operazioni il programma può eseguire su di esso

PYTHON

print(5 - 3)

OUTPUT

2

PYTHON

print('hello' - 'h')

ERRORE

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-67f5626a1e07> in <module>()
----> 1 print('hello' - 'h')

TypeError: unsupported operand type(s) for -: 'str' and 'str'

Si possono usare gli operatori “+” e “*” sulle stringhe.

---

• “Aggiungendo” stringhe di caratteri le concatena.

PYTHON

full_name = 'Ahmed' + ' ' + 'Walsh'
print(full_name)

OUTPUT

Ahmed Walsh

• Moltiplicando una stringa di caratteri per un numero intero N si crea una nuova stringa che consiste in quella stringa di caratteri ripetuta N volte.
  • Poiché la moltiplicazione è un’addizione ripetuta.

PYTHON

separator = '=' * 10
print(separator)

OUTPUT

==========

Le stringhe hanno una lunghezza (ma i numeri no).

---

• La funzione integrata len conta il numero di caratteri di una stringa.

PYTHON

print(len(full_name))

OUTPUT

11

• Ma i numeri non hanno una lunghezza (nemmeno zero).

PYTHON

print(len(52))

ERRORE

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-3-f769e8e8097d> in <module>()
----> 1 print(len(52))

TypeError: object of type 'int' has no len()

Deve convertire i numeri in stringhe o viceversa quando opera su di essi.

---

• Non si possono sommare numeri e stringhe.

PYTHON

print(1 + '2')

ERRORE

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-4-fe4f54a023c6> in <module>()
----> 1 print(1 + '2')

TypeError: unsupported operand type(s) for +: 'int' and 'str'

• Non è consentito perché è ambiguo: 1 + '2' dovrebbe essere 3 o '12'?
• Alcuni tipi possono essere convertiti in altri tipi utilizzando il nome del tipo come funzione.

PYTHON

print(1 + int('2'))
print(str(1) + '2')

OUTPUT

3
12

Può mischiare liberamente interi e numeri con la virgola (float) nelle operazioni.

---

• Gli interi e i numeri con la virgola possono essere usati insieme in aritmetica.
  • Python 3 converte automaticamente gli interi in float quando necessario.

PYTHON

print('half is', 1 / 2.0)
print('three squared is', 3.0 ** 2)

OUTPUT

half is 0.5
three squared is 9.0

Le variabili cambiano valore solo quando viene loro assegnato qualcosa.

---

• Se una cella di un foglio di calcolo dipende da un’altra e si aggiorna quest’ultima, la prima si aggiorna automaticamente.
• Questo non avviene nei linguaggi di programmazione.

PYTHON

variable_one = 1
variable_two = 5 * variable_one
variable_one = 2
print('first is', variable_one, 'and second is', variable_two)

OUTPUT

first is 2 and second is 5

• Il computer legge il valore di variable_one quando esegue la moltiplicazione, crea un nuovo valore e lo assegna a variable_two.
• In seguito, il valore di variable_two è impostato sul nuovo valore e non dipende da variable_one, quindi il suo valore non cambia automaticamente quando cambia variable_one.

Sfida

Frazioni

Che tipo di valore è 3,4? Come si fa a scoprirlo?

Soluzione

È un numero con la virgola (spesso abbreviato in “float”). È possibile scoprirlo utilizzando la funzione integrata type().

PYTHON

print(type(3.4))

OUTPUT

<class 'float'>

Sfida

Conversione automatica di tipo

Che tipo di numero è 3,25 + 4?

Soluzione

È un float: i numeri interi vengono automaticamente convertiti in float se necessario.

PYTHON

result = 3.25 + 4
print(result, 'is', type(result))

OUTPUT

7.25 is <class 'float'>

Sfida

Scegliere un tipo

Quale tipo di valore (intero, numero con la virgola o stringa di caratteri) usereste per rappresentare ciascuno dei seguenti elementi? Cercate di dare più di una risposta valida per ogni problema. Per esempio, nel punto 1, quando avrebbe più senso contare i giorni con una variabile float piuttosto che con un numero intero?

1. Numero di giorni dall’inizio dell’anno.
2. Tempo trascorso dall’inizio dell’anno a oggi in giorni.
3. Numero di serie di un pezzo di attrezzatura da laboratorio.
4. Età di un campione di laboratorio
5. Popolazione attuale di una città.
6. Popolazione media di una città nel tempo.

Soluzione

Le risposte alle domande sono:

1. Intero, poiché il numero di giorni è compreso tra 1 e 365.
2. Virgola (float), poiché sono richiesti giorni frazionati
3. Stringa se il numero di serie contiene lettere e numeri, altrimenti numero intero se il numero di serie è composto solo da numeri
4. Questo varia! Come si definisce l’età di un campione? Giorni interi dalla raccolta (intero)? Data e ora (stringa)?
5. Scegliere float per rappresentare la popolazione in grandi aggregati (ad esempio, milioni) o i numeri interi per rappresentare la popolazione in unità di individui.
6. Numeri con la virgola, poiché è probabile che una media abbia una parte frazionaria.

Sfida

Tipi di divisione

In Python 3, l’operatore // esegue la divisione intera (numeri interi), l’operatore / esegue la divisione con la virgola e l’operatore % (o modulo) calcola e restituisce il resto della divisione intera:

PYTHON

print('5 // 3:', 5 // 3)
print('5 / 3:', 5 / 3)
print('5 % 3:', 5 % 3)

OUTPUT

5 // 3: 1
5 / 3: 1.6666666666666667
5 % 3: 2

Se num_subjects è il numero di soggetti che partecipano a uno studio e num_per_survey è il numero di soggetti che possono partecipare a un singolo sondaggio, scrivere un’espressione che calcoli il numero di sondaggi necessari per raggiungere tutti una volta.

Soluzione

Vogliamo il numero minimo di sondaggi che raggiunge tutti una volta, che è il valore arrotondato per eccesso di num_subjects/ num_per_survey. Ciò equivale a eseguire una divisione per piani con // e aggiungere 1. Prima della divisione è necessario sottrarre 1 dal numero di soggetti per gestire il caso in cui num_subjects sia uniformemente divisibile per num_per_survey.

PYTHON

num_subjects = 600
num_per_survey = 42
num_surveys = (num_subjects - 1) // num_per_survey + 1

print(num_subjects, 'subjects,', num_per_survey, 'per survey:', num_surveys)

OUTPUT

600 subjects, 42 per survey: 15

Sfida

Stringhe a numeri

Se possibile, float() convertirà una stringa in un numero float e int() convertirà float in un intero:

PYTHON

print("string to float:", float("3.4"))
print("float to int:", int(3.4))

OUTPUT

string to float: 3.4
float to int: 3

Se la conversione non ha senso, viene visualizzato un messaggio di errore.

PYTHON

print("string to float:", float("Hello world!"))

ERRORE

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-5-df3b790bf0a2> in <module>
----> 1 print("string to float:", float("Hello world!"))

ValueError: could not convert string to float: 'Hello world!'

Date queste informazioni, cosa ci si aspetta che faccia il seguente programma?

Cosa fa in realtà?

Perché pensate che lo faccia?

PYTHON

print("fractional string to int:", int("3.4"))

Soluzione

Cosa ci si aspetta che faccia questo programma? Ci si potrebbe aspettare che il comando int di Python 3 converta la stringa “3.4” in 3.4 e un’ulteriore conversione di tipo in 3. Dopotutto, Python 3 compie molte altre magie: non è forse parte del suo fascino?

PYTHON

int("3.4")

OUTPUT

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-2-ec6729dfccdc> in <module>
----> 1 int("3.4")
ValueError: invalid literal for int() with base 10: '3.4'

Tuttavia, Python 3 lancia un errore. Perché? Forse per coerenza. Se si chiede a Python di eseguire due typecast consecutivi, è necessario convertirli esplicitamente nel codice.

PYTHON

int(float("3.4"))

OUTPUT

3

Sfida

Aritmetica con tipi diversi

Quale delle seguenti operazioni restituirà il numero float 2.0? Nota: può esserci più di una risposta giusta.

PYTHON

first = 1.0
second = "1"
third = "1.1"

1. first + float(second)
2. float(second) + float(third)
3. first + int(third)
4. first + int(float(third))
5. int(first) + int(float(third))
6. 2.0 * second

Soluzione

Risposta: 1 e 4

Sfida

Numeri complessi

Python fornisce numeri complessi, che si scrivono come 1.0+2.0j. Se val è un numero complesso, si può accedere alle sue parti reali e immaginarie usando la notazione a punti come val.real e val.imag.

PYTHON

a_complex_number = 6 + 2j
print(a_complex_number.real)
print(a_complex_number.imag)

OUTPUT

6.0
2.0

1. Perché pensate che Python usi j invece di i per la parte immaginaria?
2. Cosa ci si aspetta che produca 1 + 2j + 3?
3. Cosa ci si aspetta che sia 4j? E 4 j o 4 + j?

Soluzione

1. I trattamenti matematici standard di solito usano i per indicare un numero immaginario. Tuttavia, stando a quanto riportato dai media, si trattava di una convenzione nata in precedenza nell’ambito dell’ingegneria elettrica, che ora rappresenta un’area tecnicamente costosa da modificare. [Stack Overflow fornisce ulteriori spiegazioni e discussioni] (https://stackoverflow.com/questions/24812444/why-are-complex-numbers-in-python-denoted-with-j-instead-of-i)
2. (4+2j)
3. 4j e Syntax Error: invalid syntax. In questi ultimi casi, j è considerata una variabile e la dichiarazione dipende dal fatto che j sia definito e, in tal caso, dal valore che gli è stato assegnato.

Punti Chiave

• Ogni valore ha un tipo.
• Usare la funzione integrata type per trovare il tipo di un valore.
• I tipi controllano le operazioni che possono essere eseguite sui valori.
• Le stringhe possono essere sommate e moltiplicate.
• Le stringhe hanno una lunghezza (ma i numeri no).
• Deve convertire i numeri in stringhe o viceversa quando opera su di essi.
• Può mescolare liberamente numeri interi e float nelle operazioni.
• Le variabili cambiano valore solo quando viene loro assegnato qualcosa.

Content from Funzioni integrate e aiuto

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso usare le funzioni integrate?
• Come posso scoprire cosa fanno?
• Che tipo di errori possono verificarsi?

Obiettivi

• Spiegare lo scopo delle funzioni.
• Chiamare correttamente le funzioni integrate di Python.
• Annidare correttamente le chiamate alle funzioni integrate.
• Usare la guida per visualizzare la documentazione delle funzioni integrate.
• Descrivere correttamente le situazioni in cui si verificano SyntaxError e NameError.

Usare i commenti per aggiungere documentazione ai programmi.

---

PYTHON

# Questa frase non è eseguita ma solo una descrizione
adjustment = 0.5   # Nemmeno questo, tutto quello che si trova dopo  '#' viene ignorato.

Una funzione può accettare zero o più argomenti.

---

• Abbiamo già visto alcune funzioni, ora diamo un’occhiata più da vicino.
• Chiamiamo argomento il valore che si passa a una funzione quando la si utilizza
• len prende solo un argomento.
• int, str e float creano un nuovo valore a partire da uno esistente.
• print può essere chiamata senza argomenti o più
• print senza argomenti stampa una riga vuota.
  • Bisogna sempre usare le parentesi, anche senza argomenti, in modo che Python sappia che si sta chiamando una funzione.

PYTHON

print('before')
print()
print('after')

OUTPUT

before

after

Ogni funzione restituisce qualcosa.

---

• Ogni funzione eseguita produce un risultato.
• Se la funzione non ha un risultato utile da restituire, di solito restituisce il valore speciale None. None è un oggetto Python che ritorna ogni volta che non c’è un valore.

PYTHON

result = print('example')
print('result of print is', result)

OUTPUT

example
result of print is None

Le funzioni incorporate di uso comune includono max, min e round.

---

• Usare max per trovare il valore maggiore di uno o più valori.
• Usare min per trovare il minore.
• Entrambi funzionano su stringhe di caratteri e numeri.
  • “Max” e “Min” usano (0-9, A-Z, a-z) per confrontare le lettere.

PYTHON

print(max(1, 2, 3))
print(min('a', 'A', '0'))

OUTPUT

3
0

Le funzioni possono essere seguite solo con alcuni o combinazioni di argomenti.

---

• A max e min deve essere dato almeno un argomento.
  • “La richiesta di un massino di un insieme vuoto” è una domanda senza senso.
• E devono essere dati oggetti che possono essere confrontati in modo significativo.

PYTHON

print(max(1, 'a'))

ERRORE

TypeError                                 Traceback (most recent call last)
<ipython-input-52-3f049acf3762> in <module>
----> 1 print(max(1, 'a'))

TypeError: '>' not supported between instances of 'str' and 'int'

Le funzioni possono avere valori predefiniti per alcuni argomenti.

---

• round arrotonda un numero float.
• Per impostazione predefinita, arrotonda con zero cifre decimali.

PYTHON

round(3.712)

OUTPUT

4

• Possiamo specificare il numero di cifre decimali che desideriamo come argomento.

PYTHON

round(3.712, 1)

OUTPUT

3.7

Le funzioni collegate agli oggetti sono chiamate metodi

---

• Le funzioni possono assumere un’altra forma, che sarà comune negli episodi dedicati a pandas.
• I metodi hanno le parentesi come le funzioni, ma vengono dopo la variabile.
• Alcuni metodi sono utilizzati per operazioni interne a Python e sono contrassegnati da doppie sottolineature.

PYTHON

my_string = 'Hello world!'  # creazione di un oggetto stringa

print(len(my_string))       # la funzione len prende una stringa come argomento e restituisce la sua lunghezza

print(my_string.swapcase()) # chiamata al metodo swapcase sull'oggetto my_string

print(my_string.__len__())  # chiamata diretta al metodo interno __len__, usato da len(my_string)

OUTPUT

12
hELLO WORLD!
12

• Potreste anche vederli concatenati. Funzionano da sinistra a destra.

print(my_string.isupper()) # Non tutte le lettere sono maiuscole print(my_string.upper()) # Questo converte tutte le lettere in maiuscole

print(my_string.upper().isupper()) # Ora tutte le lettere sono maiuscole

```output
False
HELLO WORLD
True

Usare la funzione integrata help per ottenere aiuto per una funzione.

---

• Ogni funzione incorporata ha una documentazione online.

PYTHON

help(round)

OUTPUT

Help on built-in function round in module builtins:

round(number, ndigits=None)
    Round a number to a given precision in decimal digits.

    The return value is an integer if ndigits is omitted or None.  Otherwise
    the return value has the same type as the number.  ndigits may be negative.

Il Jupyter notebook offre due modi per ottenere aiuto.

---

• Opzione 1: posizionare il cursore vicino al punto in cui viene invocata la funzione in una cella (cioè il nome della funzione o i suoi parametri),
  • Tenere premuto Shift e premere Tab.
  • Eseguire questa operazione più volte per espandere le informazioni restituite.
• Opzione 2: Digitare il nome della funzione in una cella con un punto interrogativo. Quindi eseguire la cella.

Python segnala un errore di sintassi quando non riesce a capire il sorgente di un programma.

---

• Non prova nemmeno a eseguire il programma se non può essere analizzato.

PYTHON

# Dimenticato di chiudere le virgolette.
name = 'Feng

ERRORE

  File "<ipython-input-56-f42768451d55>", line 2
    name = 'Feng
                ^
SyntaxError: EOL while scanning string literal

PYTHON

# Un extra '='.
age = = 52

ERRORE

  File "<ipython-input-57-ccc3df3cf902>", line 2
    age = = 52
          ^
SyntaxError: invalid syntax

• Osservate più da vicino il messaggio di errore:

PYTHON

print("hello world"

ERRORE

  File "<ipython-input-6-d1cc229bf815>", line 1
    print ("hello world"
                        ^
SyntaxError: unexpected EOF while parsing

• Il messaggio indica un problema sulla prima riga dell’input (“riga 1”).
  • In questo caso la sezione “ipython-input” del nome del file ci dice che stiamo lavorando con l’input di IPython, l’interprete Python usato da Jupyter Notebook.
• La parte -6- del nome del file indica che l’errore si è verificato nella cella 6 del nostro Notebook.
• La prossima è la riga di codice problematica, che indica il problema con un puntatore ^.

Python segnala un errore di runtime quando qualcosa va storto durante l’esecuzione di un programma.

---

PYTHON

age = 53
remaining = 100 - aege # mis-spelled 'age'

ERRORE

NameError                                 Traceback (most recent call last)
<ipython-input-59-1214fb6c55fc> in <module>
      1 age = 53
----> 2 remaining = 100 - aege # mis-spelled 'age'

NameError: name 'aege' is not defined

• Correggere gli errori di sintassi leggendo il codice sorgente e gli errori di runtime tracciando l’esecuzione del programma.

Sfida

Che cosa succede quando

1. Spiegate in termini semplici l’ordine delle operazioni nel seguente programma: quando avviene l’addizione, quando avviene la sottrazione, quando viene chiamata ogni funzione, ecc.
2. Qual è il valore finale di radiance?

PYTHON

radiance = 1.0
radiance = max(2.1, 2.0 + min(radiance, 1.1 * radiance - 0.5))

Soluzione

1. Ordine delle operazioni:
2. 1.1 * radiance = 1.1
3. 1.1 - 0.5 = 0.6
4. min(radiance, 0.6) = 0.6
5. 2.0 + 0.6 = 2.6
6. max(2.1, 2.6) = 2.6
7. alla fine, radiance = 2.6

Sfida

Individuare la differenza

1. Prevedere cosa stamperà ciascuna delle funzioni print del programma qui sotto.
2. max(len(rich), poor) viene eseguito o produce un messaggio di errore? Se viene eseguito, il suo risultato ha senso?

PYTHON

easy_string = "abc"
print(max(easy_string))
rich = "gold"
poor = "tin"
print(max(rich, poor))
print(max(len(rich), len(poor)))

Soluzione

PYTHON

print(max(easy_string))

OUTPUT

c

PYTHON

print(max(rich, poor))

OUTPUT

tin

PYTHON

print(max(len(rich), len(poor)))

OUTPUT

4

max(len(rich), poor) lancia un TypeError. Questo si trasforma in max(4, 'tin') e, come abbiamo detto prima, una stringa e un intero non possono essere confrontati in modo significativo.

ERRORE

TypeError                                 Traceback (most recent call last)
<ipython-input-65-bc82ad05177a> in <module>
----> 1 max(len(rich), poor)

TypeError: '>' not supported between instances of 'str' and 'int'

Sfida

Perché no?

Perché max e min non restituiscono None quando sono chiamati senza argomenti?

Soluzione

max e min restituiscono TypeErrors in questo caso perché non è stato fornito il numero corretto di parametri. Se restituisse solo None, l’errore sarebbe molto più difficile da rintracciare, perché probabilmente verrebbe memorizzato in una variabile e utilizzato più avanti nel programma, per poi lanciare un errore di runtime.

Sfida

Ultimo carattere di una stringa

Se Python inizia a contare da zero e len restituisce il numero di caratteri di una stringa, quale espressione indice otterrà l’ultimo carattere della stringa name? (Nota: vedremo un modo più semplice per farlo in un episodio successivo)

Soluzione

name[len(name) - 1]

Richiamo

Esplora la documentazione di Python!

La documentazione ufficiale di Python è probabilmente la fonte più completa di informazioni sul linguaggio. È disponibile in diverse lingue e contiene molte risorse utili. La pagina Built-in Functions contiene un catalogo di tutte queste funzioni, comprese quelle che abbiamo trattato in questa lezione. Alcune di queste sono più avanzate e non necessarie al momento, ma altre sono molto semplici e utili.

Punti Chiave

• Usare i commenti per aggiungere documentazione ai programmi.
• Una funzione può accettare zero o più argomenti.
• Le funzioni incorporate di uso comune includono max, min e round.
• Le funzioni possono funzionare solo per determinate combinazioni di argomenti.
• Le funzioni possono avere valori predefiniti per alcuni argomenti.
• Usare la funzione integrata help per ottenere aiuto per una funzione.
• Il Jupyter notebook offre due modi per ottenere aiuto.
• Ogni funzione restituisce qualcosa.
• Python segnala un errore di sintassi quando non riesce a capire il sorgente di un programma.
• Python segnala un errore di runtime quando qualcosa va storto durante l’esecuzione di un programma.
• Correggere gli errori di sintassi leggendo il codice sorgente e gli errori di runtime tracciando l’esecuzione del programma.

Content from Caffè del mattino

---

Ultimo aggiornamento il 2025-03-02 | Modifica questa pagina

Esercizio di riflessione

---

Durante il caffè, riflettete e discutete su quanto segue:

• Quali sono i diversi tipi di errori segnalati da Python?
• Il codice ha sempre prodotto i risultati attesi? Se no, perché?
• C’è qualcosa che possiamo fare per prevenire gli errori quando scriviamo il codice?

Content from Le biblioteche

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come si può utilizzare il software scritto da altri?
• Come posso scoprire cosa fa questo software?

Obiettivi

• Spiegare cosa sono le librerie software e perché i programmatori le creano e le usano.
• Scrivere programmi che importano e utilizzano moduli della libreria standard di Python.
• Trovare e leggere la documentazione della libreria standard in modo interattivo (nell’interprete) e online.

La maggior parte della potenza di un linguaggio di programmazione è nelle sue librerie.

---

• Una libreria è una raccolta di file (chiamati moduli) che contiene funzioni utilizzabili da altri programmi.
  • Può contenere anche valori di dati (ad esempio, costanti numeriche) e altro.
  • I contenuti della libreria dovrebbero essere correlati, ma non c’è modo di farlo rispettare.
• La libreria standard di Python è un’ampia suite di moduli fornita con Python stesso.
• Molte altre librerie sono disponibili su PyPI (l’indice dei pacchetti Python).
• Vedremo più avanti come scrivere nuove librerie.

Richiamo

Librerie e moduli

Una libreria è un insieme di moduli, ma i termini sono spesso usati in modo intercambiabile, soprattutto perché molte librerie sono costituite da un solo modulo, quindi non preoccupatevi se li mischiate.

Un programma deve importare un modulo di libreria prima di utilizzarlo.

---

• Usare import per caricare un modulo di libreria nella memoria di un programma.
• Quindi fare riferimento agli elementi del modulo come module_name.thing_name.
  • Python usa . per indicare “parte di”.
• Utilizzo di math, uno dei moduli della libreria standard:

PYTHON

import math

print('pi is', math.pi)
print('cos(pi) is', math.cos(math.pi))

OUTPUT

pi is 3.141592653589793
cos(pi) is -1.0

• Bisogna fare riferimento a ogni elemento con il nome del modulo.
  • math.cos(pi) non funziona: il riferimento a pi non “eredita” in qualche modo il riferimento della funzione a math.

Usare help per conoscere il contenuto di un modulo di libreria.

---

• funziona come l’aiuto per una funzione.

PYTHON

help(math)

OUTPUT

Help on module math:

NAME
    math

MODULE REFERENCE
    http://docs.python.org/3/library/math

    The following documentation is automatically generated from the Python
    source files.  It may be incomplete, incorrect or include features that
    are considered implementation detail and may vary between Python
    implementations.  When in doubt, consult the module reference at the
    location listed above.

DESCRIPTION
    This module is always available.  It provides access to the
    mathematical functions defined by the C standard.

FUNCTIONS
    acos(x, /)
        Return the arc cosine (measured in radians) of x.
⋮ ⋮ ⋮

Importare elementi specifici da un modulo di libreria per abbreviare i programmi.

---

• Usare from ... import ... per caricare solo elementi specifici da un modulo di libreria.
• quindi fare riferimento ad essi direttamente senza il nome della libreria come prefisso.

PYTHON

from math import cos, pi

print('cos(pi) is', cos(pi))

OUTPUT

cos(pi) is -1.0

Creare un alias per un modulo di libreria quando lo si importa per accorciare i programmi.

---

• Usare import ... as ... per dare a una libreria un breve alias durante l’importazione.
• Quindi fare riferimento agli elementi della libreria usando questo nome abbreviato.

PYTHON

import math as m

print('cos(pi) is', m.cos(m.pi))

OUTPUT

cos(pi) is -1.0

• comunemente usato per le librerie usate di frequente o con nomi lunghi.
  • Ad esempio, la libreria per grafici matplotlib è spesso indicata con l’alias mpl.
• Ma può rendere i programmi più difficili da capire, poiché i lettori devono imparare gli alias del programma.

Sfida

Esplorazione del modulo math

1. Quale funzione del modulo math si può usare per calcolare una radice quadrata senza usare sqrt?
2. Poiché la libreria contiene questa funzione, perché esiste sqrt?

Soluzione

1. Usando help(math) vediamo che abbiamo pow(x,y) in aggiunta a sqrt(x), quindi potremmo usare pow(x, 0.5) per trovare una radice quadrata.

2. La funzione sqrt(x) è probabilmente più leggibile di pow(x, 0.5) nell’implementazione delle equazioni. La leggibilità è una pietra miliare della buona programmazione, quindi ha senso fornire una funzione speciale per questo specifico caso comune.

Inoltre, il design della libreria math di Python ha origine nello standard C, che include sia sqrt(x) che pow(x,y), quindi un po’ di storia della programmazione si ritrova nei nomi delle funzioni di Python.

Sfida

Individuazione del modulo giusto

Si vuole selezionare un carattere casuale da una stringa:

PYTHON

bases = 'ACTTGCTTGAC'

1. Quale modulo della libreria standard potrebbe aiutarvi?
2. Quale funzione scegliereste da quel modulo? Ci sono alternative?
3. Provate a scrivere un programma che utilizzi la funzione.

Soluzione

Il modulo random sembra essere utile.

La stringa ha 11 caratteri, ognuno dei quali ha un indice posizionale da 0 a 10. Si possono usare le funzioni random.randrange o random.randint per ottenere un numero intero casuale compreso tra 0 e 10, e poi selezionare il carattere bases a quell’indice:

PYTHON

from random import randrange

random_index = randrange(len(bases))
print(bases[random_index])

o in modo più compatto:

PYTHON

from random import randrange

print(bases[randrange(len(bases))])

Forse avete trovato la funzione random.sample? Consente di risparmiare di digitare troppo, ma potrebbe essere un po’ più difficile da capire leggendo:

PYTHON

from random import sample

print(sample(bases, 1)[0])

Si noti che questa funzione restituisce un elenco di valori. Impareremo a conoscere gli elenchi in [episodio 11] (11-lists.md).

La soluzione più semplice e breve è la funzione random.choice che fa esattamente quello che vogliamo:

PYTHON

from random import choice

print(choice(bases))

Sfida

Jigsaw Puzzle (problema di Parson)

Riorganizzare le seguenti istruzioni in modo da stampare una base di DNA casuale e il suo indice nella stringa. Non tutte le istruzioni sono necessarie. Sentitevi liberi di usare/aggiungere variabili intermedie.

PYTHON

bases="ACTTGCTTGAC"
import math
import random
___ = random.randrange(n_bases)
___ = len(bases)
print("random base ", bases[___], "base index", ___)

Soluzione

PYTHON

import math 
import random
bases = "ACTTGCTTGAC" 
n_bases = len(bases)
idx = random.randrange(n_bases)
print("random base", bases[idx], "base index", idx)

Sfida

Quando è disponibile l’aiuto?

Quando un vostro collega digita help(math), Python segnala un errore:

ERRORE

NameError: name 'math' is not defined

Cosa ha dimenticato di fare?

Soluzione

Importazione del modulo matematico (import math)

Sfida

Importazione con gli alias

1. Riempire gli spazi vuoti in modo che il programma sottostante stampi 90.0.
2. Riscrivere il programma in modo che usi import senza as.
3. Quale forma trovate più facile da leggere?

PYTHON

import math as m
angle = ____.degrees(____.pi / 2)
print(____)

Soluzione

PYTHON

import math as m
angle = m.degrees(m.pi / 2)
print(angle)

può essere scritto come

PYTHON

import math
angle = math.degrees(math.pi / 2)
print(angle)

Dal momento che avete appena scritto il codice e avete familiarità con esso, potreste trovare la prima versione più facile da leggere. Ma quando si cerca di leggere un molte righe di codice, scritte da qualcun altro, o quando si rivede dopo diversi mesi, i nomi non abbreviati sono spesso più facili, a meno che non ci siano chiare convenzioni di abbreviazione.

Sfida

Ci sono molti modi per importare le librerie!

Abbinare le seguenti istruzioni di stampa alle chiamate di libreria appropriate.

Comandi di stampa:

1. print("sin(pi/2) =", sin(pi/2))
2. print("sin(pi/2) =", m.sin(m.pi/2))
3. print("sin(pi/2) =", math.sin(math.pi/2))

Chiamate di libreria:

1. from math import sin, pi
2. import math
3. import math as m
4. from math import *

Soluzione

1. Chiamate di libreria 1 e 4. Per fare riferimento direttamente a sin e pi senza il nome della libreria come prefisso, è necessario usare l’istruzione from ... import .... Mentre la chiamata di libreria 1 importa specificamente le due funzioni sin e pi, la chiamata di libreria 4 importa tutte le funzioni del modulo math.
2. Chiamata alla libreria 3. In questo caso, sin e pi sono indicati con il nome abbreviato di libreria m invece di math. La chiamata di libreria 3 fa esattamente questo usando la sintassi import ... as ...: crea un alias per math sotto forma di nome abbreviato m.
3. Chiamata di libreria 2. Qui sin e pi sono indicati con il normale nome di libreria math, quindi è sufficiente la normale chiamata import ....

Nota: sebbene la chiamata di libreria 4 funzioni, importare tutti i nomi da un modulo usando un’importazione con caratteri jolly è sconsigliato, in quanto rende poco chiaro quali nomi del modulo sono usati nel codice. In generale, è meglio rendere le importazioni il più specifiche possibile e importare solo ciò che il codice utilizza. Nella chiamata di libreria 1, la dichiarazione import ci dice esplicitamente che la funzione sin è importata dal modulo math, ma la chiamata di libreria 4 non fornisce questa informazione.

Sfida

Importazione di elementi specifici

1. Riempire gli spazi vuoti in modo che il programma sottostante stampi 90.0.
2. Trovate quale version è più facile da leggere rispetto alle precedenti.
3. Perché i programmatori non dovrebbero usare sempre questa forma di import?

PYTHON

____ math import ____, ____
angle = degrees(pi / 2)
print(angle)

Soluzione

PYTHON

from math import degrees, pi
angle = degrees(pi / 2)
print(angle)

Molto probabilmente questa versione è più facile da leggere, perché è meno densa. La ragione principale per non usare questa forma di importazione è quella di evitare scontri di nomi. Per esempio, non si importerebbe degrees in questo modo se si volesse usare anche il nome degrees per una propria variabile o funzione. O se si importasse anche una funzione chiamata degrees da un’altra libreria.

Sfida

Lettura dei messaggi di errore

1. Leggete il codice qui sotto e cercate di identificare gli errori senza eseguirlo.
2. Eseguite il codice e leggete il messaggio di errore. Di che tipo di errore si tratta?

PYTHON

from math import log
log(0)

Soluzione

OUTPUT

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-1-d72e1d780bab> in <module>
      1 from math import log
----> 2 log(0)

ValueError: math domain error

1. Il logaritmo di x è definito solo per x > 0, quindi 0 è fuori dal dominio della funzione.
2. Si ottiene un errore del tipo ValueError, che indica che la funzione ha ricevuto un valore di argomento inappropriato. Il messaggio aggiuntivo “errore del dominio matematico” chiarisce il problema.

Punti Chiave

• La maggior parte della potenza di un linguaggio di programmazione è nelle sue librerie.
• Un programma deve importare un modulo di una libreria per poterlo utilizzare.
• Usare help per conoscere il contenuto di un modulo di libreria.
• Importazione di elementi specifici da una libreria per abbreviare i programmi.
• Creare un alias per una libreria quando la si importa per abbreviare i programmi.

Content from Lettura di dati tabellari in DataFrames

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come si leggono i dati di una tabella?

Obiettivi

• Importare la libreria Pandas.
• Utilizzare Pandas per caricare un semplice set di dati CSV.
• Ottenere alcune informazioni di base su un Pandas DataFrame.

Utilizzare la libreria Pandas per eseguire statistiche su dati di una tabella.

---

• Pandas è una libreria Python molto utilizzata per le statistiche, in particolare per leggere e manipolare tabelle.
• Prende in prestito molte caratteristiche dai dataframe di R.
  • Una tabella bidimensionale le cui colonne hanno nomi e potenzialmente tipi di dati diversi.
• Caricare Pandas con import pandas as pd. L’alias pd è comunemente usato per riferirsi alla libreria Pandas nel codice.
• Leggere un file di dati CSV (Comma Separated Values) con pd.read_csv.
  • L’argomento è il nome del file da leggere.
  • Restituisce un dataframe che può essere assegnato a una variabile

PYTHON

import pandas as pd

data_oceania = pd.read_csv('data/gapminder_gdp_oceania.csv')
print(data_oceania)

OUTPUT

       country  gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  \
0    Australia     10039.59564     10949.64959     12217.22686
1  New Zealand     10556.57566     12247.39532     13175.67800

   gdpPercap_1967  gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  \
0     14526.12465     16788.62948     18334.19751     19477.00928
1     14463.91893     16046.03728     16233.71770     17632.41040

   gdpPercap_1987  gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  \
0     21888.88903     23424.76683     26997.93657     30687.75473
1     19007.19129     18363.32494     21050.41377     23189.80135

   gdpPercap_2007
0     34435.36744
1     25185.00911

• Le colonne di un dataframe sono le variabili osservate e le righe sono le osservazioni.
• Pandas usa la backslash \ per mostrare le righe avvolte quando l’output è troppo ampio per adattarsi allo schermo.
• L’uso di nomi descrittivi per i dataframe ci aiuta a distinguere tra più dataframe, in modo da evitare di sovrascrivere accidentalmente un dataframe o di leggere da quello sbagliato.

Richiamo

File non trovato

Le nostre lezioni memorizzano i loro file di dati in una sottodirectory data, motivo per cui il percorso del file è data/gapminder_gdp_oceania.csv. Se si dimentica di includere data/, o se lo si include ma la propria copia del file si trova da qualche altra parte, si otterrà un runtime error che termina con una riga come questa:

ERRORE

FileNotFoundError: [Errno 2] No such file or directory: 'data/gapminder_gdp_oceania.csv'

Usare index_col per specificare che i valori di una colonna devono essere usati come intestazioni di riga.

---

• Le intestazioni delle righe sono numeri (0 e 1 in questo caso).
• Si vuole davvero indicizzare per paese.
• Per eseguire questa operazione, passare il nome della colonna a read_csv come parametro index_col.
• Il nome del dataframe data_oceania_country ci dice quale regione include i dati (oceania) e come sono indicizzati (country).

PYTHON

data_oceania_country = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
print(data_oceania_country)

OUTPUT

             gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
country
Australia       10039.59564     10949.64959     12217.22686     14526.12465
New Zealand     10556.57566     12247.39532     13175.67800     14463.91893

             gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
country
Australia       16788.62948     18334.19751     19477.00928     21888.88903
New Zealand     16046.03728     16233.71770     17632.41040     19007.19129

             gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
country
Australia       23424.76683     26997.93657     30687.75473     34435.36744
New Zealand     18363.32494     21050.41377     23189.80135     25185.00911

Usare il metodo DataFrame.info() per saperne di più su un dataframe.

---

PYTHON

data_oceania_country.info()

OUTPUT

<class 'pandas.core.frame.DataFrame'>
Index: 2 entries, Australia to New Zealand
Data columns (total 12 columns):
gdpPercap_1952    2 non-null float64
gdpPercap_1957    2 non-null float64
gdpPercap_1962    2 non-null float64
gdpPercap_1967    2 non-null float64
gdpPercap_1972    2 non-null float64
gdpPercap_1977    2 non-null float64
gdpPercap_1982    2 non-null float64
gdpPercap_1987    2 non-null float64
gdpPercap_1992    2 non-null float64
gdpPercap_1997    2 non-null float64
gdpPercap_2002    2 non-null float64
gdpPercap_2007    2 non-null float64
dtypes: float64(12)
memory usage: 208.0+ bytes

• Questo è un DataFrame
• Due righe denominate 'Australia' e 'New Zealand'
• Dodici colonne, ciascuna delle quali contiene due valori effettivi in virgola mobile a 64 bit.
  • Parleremo in seguito dei valori nulli, utilizzati per rappresentare le osservazioni mancanti.
• Utilizza 208 byte di memoria.

La variabile DataFrame.columns memorizza informazioni sulle colonne del dataframe.

---

• Nota che questo è un dato,non un metodo. (non ha parentesi)
  • Come math.pi.
  • Quindi non usare () per cercare di chiamarlo.
• Si chiama variabile membro, o semplicemente membro.

PYTHON

print(data_oceania_country.columns)

OUTPUT

Index(['gdpPercap_1952', 'gdpPercap_1957', 'gdpPercap_1962', 'gdpPercap_1967',
       'gdpPercap_1972', 'gdpPercap_1977', 'gdpPercap_1982', 'gdpPercap_1987',
       'gdpPercap_1992', 'gdpPercap_1997', 'gdpPercap_2002', 'gdpPercap_2007'],
      dtype='object')

Usare DataFrame.T per trasporre un dataframe.

---

• A volte si desidera trattare le colonne come righe e viceversa.
• La trasposizione (scritta .T) non copia i dati, ma cambia solo la visione della tabella
• Come columns, è una variabile membro.

PYTHON

print(data_oceania_country.T)

OUTPUT

country           Australia  New Zealand
gdpPercap_1952  10039.59564  10556.57566
gdpPercap_1957  10949.64959  12247.39532
gdpPercap_1962  12217.22686  13175.67800
gdpPercap_1967  14526.12465  14463.91893
gdpPercap_1972  16788.62948  16046.03728
gdpPercap_1977  18334.19751  16233.71770
gdpPercap_1982  19477.00928  17632.41040
gdpPercap_1987  21888.88903  19007.19129
gdpPercap_1992  23424.76683  18363.32494
gdpPercap_1997  26997.93657  21050.41377
gdpPercap_2002  30687.75473  23189.80135
gdpPercap_2007  34435.36744  25185.00911

Usare DataFrame.describe() per ottenere statistiche di sintesi sui dati.

---

DataFrame.describe() ottiene le statistiche riassuntive solo delle colonne che hanno dati numerici. Tutte le altre colonne vengono ignorate, a meno che non si utilizzi l’argomento include='all'.

PYTHON

print(data_oceania_country.describe())

OUTPUT

       gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
count        2.000000        2.000000        2.000000        2.000000
mean     10298.085650    11598.522455    12696.452430    14495.021790
std        365.560078      917.644806      677.727301       43.986086
min      10039.595640    10949.649590    12217.226860    14463.918930
25%      10168.840645    11274.086022    12456.839645    14479.470360
50%      10298.085650    11598.522455    12696.452430    14495.021790
75%      10427.330655    11922.958888    12936.065215    14510.573220
max      10556.575660    12247.395320    13175.678000    14526.124650

       gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
count         2.00000        2.000000        2.000000        2.000000
mean      16417.33338    17283.957605    18554.709840    20448.040160
std         525.09198     1485.263517     1304.328377     2037.668013
min       16046.03728    16233.717700    17632.410400    19007.191290
25%       16231.68533    16758.837652    18093.560120    19727.615725
50%       16417.33338    17283.957605    18554.709840    20448.040160
75%       16602.98143    17809.077557    19015.859560    21168.464595
max       16788.62948    18334.197510    19477.009280    21888.889030

       gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
count        2.000000        2.000000        2.000000        2.000000
mean     20894.045885    24024.175170    26938.778040    29810.188275
std       3578.979883     4205.533703     5301.853680     6540.991104
min      18363.324940    21050.413770    23189.801350    25185.009110
25%      19628.685413    22537.294470    25064.289695    27497.598692
50%      20894.045885    24024.175170    26938.778040    29810.188275
75%      22159.406358    25511.055870    28813.266385    32122.777857
max      23424.766830    26997.936570    30687.754730    34435.367440

• Non particolarmente utile con due soli record, ma molto utile quando ce ne sono migliaia.

Sfida

Lettura di altri dati

Leggere i dati contenuti in gapminder_gdp_americas.csv (che dovrebbe trovarsi nella stessa directory di gapminder_gdp_oceania.csv) in una variabile chiamata data_americas e visualizzarne le statistiche riassuntive.

Soluzione

Per leggere un CSV, si usa pd.read_csv e gli si passa il nome del file 'data/gapminder_gdp_americas.csv'. Passiamo ancora una volta il nome della colonna 'country' al parametro index_col per indicizzare per paese. Le statistiche di riepilogo possono essere visualizzate con il metodo DataFrame.describe().

PYTHON

data_americas = pd.read_csv('data/gapminder_gdp_americas.csv', index_col='country')
data_americas.describe()

Sfida

Ispezione dei dati

Dopo aver letto i dati relativi alle Americhe, utilizzate help(data_americas.head) e help(data_americas.tail) per scoprire cosa fanno DataFrame.head e DataFrame.tail.

1. Quale metodo visualizzerà le prime tre righe di questi dati?
2. Quale metodo visualizzerà le ultime tre colonne di questi dati? (Suggerimento: potrebbe essere necessario modificare la visualizzazione dei dati)

Soluzione

1. Possiamo controllare le prime cinque righe di data_americas eseguendo data_americas.head() che ci permette di visualizzare l’inizio del DataFrame. È possibile specificare il numero di righe che si desidera visualizzare specificando il parametro n nella chiamata a data_americas.head(). Per visualizzare le prime tre righe, eseguire:

PYTHON

data_americas.head(n=3)

OUTPUT

          continent  gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  \
country
Argentina  Americas     5911.315053     6856.856212     7133.166023
Bolivia    Americas     2677.326347     2127.686326     2180.972546
Brazil     Americas     2108.944355     2487.365989     3336.585802

          gdpPercap_1967  gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  \
country
Argentina     8052.953021     9443.038526    10079.026740     8997.897412
Bolivia       2586.886053     2980.331339     3548.097832     3156.510452
Brazil        3429.864357     4985.711467     6660.118654     7030.835878

           gdpPercap_1987  gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  \
country
Argentina     9139.671389     9308.418710    10967.281950     8797.640716
Bolivia       2753.691490     2961.699694     3326.143191     3413.262690
Brazil        7807.095818     6950.283021     7957.980824     8131.212843

           gdpPercap_2007
country
Argentina    12779.379640
Bolivia       3822.137084
Brazil        9065.800825

2. Per controllare le ultime tre righe di data_americas, si usa il comando americas.tail(n=3), analogo a head() usato sopra. Tuttavia, in questo caso vogliamo guardare le ultime tre colonne, quindi dobbiamo cambiare la nostra vista e usare tail(). Per farlo, creiamo un nuovo DataFrame in cui le righe e le colonne sono invertite:

PYTHON

americas_flipped = data_americas.T

Possiamo quindi visualizzare le ultime tre colonne di americas visualizzando le ultime tre righe di americas_flipped:

PYTHON

americas_flipped.tail(n=3)

OUTPUT

country        Argentina  Bolivia   Brazil   Canada    Chile Colombia  \
gdpPercap_1997   10967.3  3326.14  7957.98  28954.9  10118.1  6117.36
gdpPercap_2002   8797.64  3413.26  8131.21    33329  10778.8  5755.26
gdpPercap_2007   12779.4  3822.14   9065.8  36319.2  13171.6  7006.58

country        Costa Rica     Cuba Dominican Republic  Ecuador    ...     \
gdpPercap_1997    6677.05  5431.99             3614.1  7429.46    ...
gdpPercap_2002    7723.45  6340.65            4563.81  5773.04    ...
gdpPercap_2007    9645.06   8948.1            6025.37  6873.26    ...

country          Mexico Nicaragua   Panama Paraguay     Peru Puerto Rico  \
gdpPercap_1997   9767.3   2253.02  7113.69   4247.4  5838.35     16999.4
gdpPercap_2002  10742.4   2474.55  7356.03  3783.67  5909.02     18855.6
gdpPercap_2007  11977.6   2749.32  9809.19  4172.84  7408.91     19328.7

country        Trinidad and Tobago United States  Uruguay Venezuela
gdpPercap_1997             8792.57       35767.4  9230.24   10165.5
gdpPercap_2002             11460.6       39097.1     7727   8605.05
gdpPercap_2007             18008.5       42951.7  10611.5   11415.8

Questo mostra i dati che desideriamo, ma potremmo preferire la visualizzazione di tre colonne invece che di tre righe, per cui possiamo invertirla:

PYTHON

americas_flipped.tail(n=3).T    

Nota: avremmo potuto eseguire quanto sopra in una sola riga di codice “concatenando” i comandi:

PYTHON

data_americas.T.tail(n=3).T

Sfida

Lettura dei file in altre directory

I dati per il vostro progetto attuale sono memorizzati in un file chiamato microbes.csv, che si trova in una cartella chiamata field_data. L’analisi viene eseguita in un blocco note chiamato analysis.ipynb in una cartella sorella chiamata thesis:

OUTPUT

your_home_directory
+-- field_data/
|   +-- microbes.csv
+-- thesis/
    +-- analysis.ipynb

Quale/i valore/i si deve passare a read_csv per leggere microbes.csv in analysis.ipynb?

Soluzione

Dobbiamo specificare il percorso del file di interesse nella chiamata a pd.read_csv. Dobbiamo prima ‘saltare’ dalla cartella thesis usando ‘../’ e poi nella cartella field_data usando ‘field_data/’. Quindi si può specificare il nome del file microbes.csv. Il risultato è il seguente:

PYTHON

data_microbes = pd.read_csv('../field_data/microbes.csv')

Sfida

Scrittura dei dati

Oltre alla funzione read_csv per leggere i dati da un file, Pandas fornisce una funzione to_csv per scrivere i dataframe sui file. Applicando quanto appreso sulla lettura dei file, scrivete uno dei vostri dataframe in un file chiamatoprocessed.csv. È possibile utilizzare help per ottenere informazioni su come utilizzare to_csv.

Soluzione

Per scrivere il DataFrame data_americas in un file chiamato processed.csv, eseguire il seguente comando:

PYTHON

data_americas.to_csv('processed.csv')

Per ottenere aiuto su read_csv o to_csv, si può eseguire, ad esempio:

PYTHON

help(data_americas.to_csv)
help(pd.read_csv)

Si noti che help(to_csv) o help(pd.to_csv) generano un errore! Ciò è dovuto al fatto che to_csv non è una funzione globale di Pandas, ma una funzione membro di DataFrames. Ciò significa che può essere chiamata solo su un’istanza di un DataFrame, ad esempio data_americas.to_csv o data_oceania.to_csv

Punti Chiave

• Utilizzare la libreria Pandas per ottenere statistiche di base da tabelle.
• Utilizzare index_col per specificare che i valori di una colonna devono essere utilizzati come intestazioni di riga.
• Usare DataFrame.info per saperne di più su un dataframe.
• La variabile DataFrame.columns memorizza informazioni sulle colonne del dataframe.
• Utilizzare DataFrame.T per trasporre un dataframe.
• Utilizzare DataFrame.describe per ottenere statistiche di sintesi sui dati.

Content from Pandas Telai di dati

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso fare un’analisi statistica di dati tabellari?

Obiettivi

• Selezionare singoli valori da un dataframe Pandas.
• Selezionare intere righe o intere colonne da un dataframe.
• Selezionare un sottoinsieme di righe e colonne da un dataframe con una sola operazione.
• Selezionare un sottoinsieme di un dataframe in base a un singolo criterio booleano.

Nota sui DataFrames/Series di Pandas

---

Un DataFrame è un insieme di Series; il DataFrame è il modo in cui Pandas rappresenta una tabella e Series è la struttura dati che Pandas usa per rappresentare una colonna.

Pandas è costruito sulla base della libreria Numpy, il che in pratica significa che la maggior parte dei metodi definiti per gli array Numpy si applicano alle serie/dataframe di Pandas.

Ciò che rende Pandas così interessante è la potente interfaccia per accedere ai singoli record della tabella, la corretta gestione dei valori mancanti e le operazioni di database relazionale tra DataFrames.

Selezione di valori

---

Per accedere a un valore nella posizione [i,j] di un DataFrame, abbiamo due opzioni, a seconda del significato di i in uso. Ricordiamo che un DataFrame fornisce un indice per identificare le righe della tabella; una riga, quindi, ha una posizione all’interno della tabella e una etichetta, che identifica in modo univoco la sua entrata nel DataFrame.

Usare DataFrame.iloc[..., ...] per selezionare i valori in base alla loro posizione (di ingresso)

---

• Può specificare la posizione tramite un indice numerico, analogamente alla versione 2D della selezione dei caratteri nelle stringhe.

PYTHON

import pandas as pd
data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
print(data.iloc[0, 0])

OUTPUT

1601.056136

Usare DataFrame.loc[..., ...] per selezionare i valori in base alla loro etichetta (di ingresso).

---

• Può specificare la posizione per nome di riga e/o colonna.

PYTHON

print(data.loc["Albania", "gdpPercap_1952"])

OUTPUT

1601.056136

Usare : da solo per indicare tutte le colonne o tutte le righe.

---

• Proprio come la notazione di taglio usuale di Python.

PYTHON

print(data.loc["Albania", :])

OUTPUT

gdpPercap_1952    1601.056136
gdpPercap_1957    1942.284244
gdpPercap_1962    2312.888958
gdpPercap_1967    2760.196931
gdpPercap_1972    3313.422188
gdpPercap_1977    3533.003910
gdpPercap_1982    3630.880722
gdpPercap_1987    3738.932735
gdpPercap_1992    2497.437901
gdpPercap_1997    3193.054604
gdpPercap_2002    4604.211737
gdpPercap_2007    5937.029526
Name: Albania, dtype: float64

• Si otterrebbe lo stesso risultato stampando data.loc["Albania"] (senza un secondo indice).

PYTHON

print(data.loc[:, "gdpPercap_1952"])

OUTPUT

country
Albania                    1601.056136
Austria                    6137.076492
Belgium                    8343.105127
⋮ ⋮ ⋮
Switzerland               14734.232750
Turkey                     1969.100980
United Kingdom             9979.508487
Name: gdpPercap_1952, dtype: float64

• Si otterrebbe lo stesso risultato stampando data["gdpPercap_1952"]
• Lo stesso risultato si otterrebbe anche stampando data.gdpPercap_1952 (non consigliato,perché facilmente confondibile con la notazione . per i metodi)

Seleziona più colonne o righe usando DataFrame.loc e una slice con nome.

---

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'])

OUTPUT

             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy           8243.582340    10022.401310    12269.273780
Montenegro      4649.593785     5907.850937     7778.414017
Netherlands    12790.849560    15363.251360    18794.745670
Norway         13450.401510    16361.876470    18965.055510
Poland          5338.752143     6557.152776     8006.506993

Nel codice riportato sopra, scopriamo che l’operazione di slicing con loc è inclusiva a entrambe le estremità, a differenza di quella con iloc, in cui vengono selezionati tutti gli elementi fino all’indice finale escluso.

Il risultato dello slicing può essere usato in altre operazioni.

---

• Di solito non si stampa solo una slice.
• Tutti gli operatori statistici che lavorano su interi DataFrame funzionano allo stesso modo anche sulle slice.
• Ad esempio, possiamo calcolare il valore massimo di una slice.

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'].max())

OUTPUT

gdpPercap_1962    13450.40151
gdpPercap_1967    16361.87647
gdpPercap_1972    18965.05551
dtype: float64

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'].min())

OUTPUT

gdpPercap_1962    4649.593785
gdpPercap_1967    5907.850937
gdpPercap_1972    7778.414017
dtype: float64

Usa i confronti per selezionare i dati in base al valore.

---

• Il confronto viene applicato elemento per elemento.
• Restituisce un dataframe di forma simile di True e False.

PYTHON

# Usiamo solo una parte dei dati per ottenere un risultato leggibile.
subset = data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972']
print('Subset of data:\n', subset)

# Quali valori sono maggiori di 10000 ?
print('\nWhere are values large?\n', subset > 10000)

OUTPUT

Subset of data:
             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy           8243.582340    10022.401310    12269.273780
Montenegro      4649.593785     5907.850937     7778.414017
Netherlands    12790.849560    15363.251360    18794.745670
Norway         13450.401510    16361.876470    18965.055510
Poland          5338.752143     6557.152776     8006.506993

Where are values large?
            gdpPercap_1962 gdpPercap_1967 gdpPercap_1972
country
Italy                False           True           True
Montenegro           False          False          False
Netherlands           True           True           True
Norway                True           True           True
Poland               False          False          False

Selezionare valori o celle vuote (NaN) tramite una maschera booleana.

---

• Un insieme di valori booleani disposto in una tabella viene talvolta chiamato maschera (mask), per via del modo in cui può essere utilizzato.

PYTHON

mask = subset > 10000
print(subset[mask])

OUTPUT

             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy                   NaN     10022.40131     12269.27378
Montenegro              NaN             NaN             NaN
Netherlands     12790.84956     15363.25136     18794.74567
Norway          13450.40151     16361.87647     18965.05551
Poland                  NaN             NaN             NaN

• Restituisce il valore quando la maschera è True e NaN (Not a Number) quando è False.
• Questo è utile perché i valori NaN vengono ignorati da operazioni come max, min, media, ecc.

PYTHON

print(subset[subset > 10000].describe())

OUTPUT

       gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
count        2.000000        3.000000        3.000000
mean     13120.625535    13915.843047    16676.358320
std        466.373656     3408.589070     3817.597015
min      12790.849560    10022.401310    12269.273780
25%      12955.737547    12692.826335    15532.009725
50%      13120.625535    15363.251360    18794.745670
75%      13285.513523    15862.563915    18879.900590
max      13450.401510    16361.876470    18965.055510

Raggruppa per: split-apply-combine

---

I metodi di vettorizzazione e le operazioni di raggruppamento di Pandas sono caratteristiche che offrono agli utenti molta flessibilità nell’analisi dei dati.

Per esempio, supponiamo di voler avere una visione più chiara di come i paesi europei si dividono in base al loro PIL.

1. Possiamo dare un’occhiata dividendo i paesi in due gruppi durante gli anni presi in esame, quelli che hanno presentato un PIL più alto della media europea e quelli con un PIL più basso.
2. Stimiamo quindi un punteggio di ricchezza basato sui valori storici (dal 1962 al 2007), dove teniamo conto di quante volte un paese ha partecipato ai gruppi di PIL più bassi o più alti

PYTHON

mask_higher = data > data.mean()
wealth_score = mask_higher.aggregate('sum', axis=1) / len(data.columns)
print(wealth_score)

OUTPUT

country
Albania                   0.000000
Austria                   1.000000
Belgium                   1.000000
Bosnia and Herzegovina    0.000000
Bulgaria                  0.000000
Croatia                   0.000000
Czech Republic            0.500000
Denmark                   1.000000
Finland                   1.000000
France                    1.000000
Germany                   1.000000
Greece                    0.333333
Hungary                   0.000000
Iceland                   1.000000
Ireland                   0.333333
Italy                     0.500000
Montenegro                0.000000
Netherlands               1.000000
Norway                    1.000000
Poland                    0.000000
Portugal                  0.000000
Romania                   0.000000
Serbia                    0.000000
Slovak Republic           0.000000
Slovenia                  0.333333
Spain                     0.333333
Sweden                    1.000000
Switzerland               1.000000
Turkey                    0.000000
United Kingdom            1.000000
dtype: float64

Infine, per ogni gruppo nella tabella wealth_score, sommiamo il contributo (finanziario) per tutti gli anni presi in esame utilizzando metodi concatenati:

PYTHON

print(data.groupby(wealth_score).sum())

OUTPUT

          gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
0.000000    36916.854200    46110.918793    56850.065437    71324.848786
0.333333    16790.046878    20942.456800    25744.935321    33567.667670
0.500000    11807.544405    14505.000150    18380.449470    21421.846200
1.000000   104317.277560   127332.008735   149989.154201   178000.350040

          gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
0.000000    88569.346898   104459.358438   113553.768507   119649.599409
0.333333    45277.839976    53860.456750    59679.634020    64436.912960
0.500000    25377.727380    29056.145370    31914.712050    35517.678220
1.000000   215162.343140   241143.412730   263388.781960   296825.131210

          gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
0.000000    92380.047256   103772.937598   118590.929863   149577.357928
0.333333    67918.093220    80876.051580   102086.795210   122803.729520
0.500000    36310.666080    40723.538700    45564.308390    51403.028210
1.000000   315238.235970   346930.926170   385109.939210   427850.333420

Sfida

Selezione di valori individuali

Si supponga che Pandas sia stato importato nel notebook e che siano stati caricati i dati del PIL di Gapminder per l’Europa:

PYTHON

import pandas as pd

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')

Scrivere un’espressione per trovare il PIL pro capite della Serbia nel 2007.

Soluzione

La selezione può essere effettuata utilizzando le etichette sia per la riga (“Serbia”) sia per la colonna (“gdpPercap_2007”):

PYTHON

print(data_europe.loc['Serbia', 'gdpPercap_2007'])

L’output è

OUTPUT

9786.534714

Sfida

Estensione dell’affettatura

1. Le due istruzioni seguenti producono lo stesso risultato?
2. In base a questo, quale regola regola regola l’inclusione (o meno) nelle fette numeriche e nelle fette denominate in Pandas?

PYTHON

print(data_europe.iloc[0:2, 0:2])
print(data_europe.loc['Albania':'Belgium', 'gdpPercap_1952':'gdpPercap_1962'])

Soluzione

No, non producono lo stesso output! L’output della prima è:

OUTPUT

        gdpPercap_1952  gdpPercap_1957
country
Albania     1601.056136     1942.284244
Austria     6137.076492     8842.598030

La seconda istruzione dà:

OUTPUT

        gdpPercap_1952  gdpPercap_1957  gdpPercap_1962
country
Albania     1601.056136     1942.284244     2312.888958
Austria     6137.076492     8842.598030    10750.721110
Belgium     8343.105127     9714.960623    10991.206760

È evidente che la seconda istruzione produce una colonna e una riga in più rispetto alla prima.
Quale conclusione possiamo trarre? Vediamo che una slice numerica, 0:2, omette l’indice finale (cioè l’indice 2) nell’intervallo fornito, mentre una slice denominata, ‘gdpPercap\1952’:‘gdpPercap\1962’, include l’elemento finale.

Sfida

Ricostruzione dei dati

Spiegate cosa fa ogni riga del seguente breve programma: cosa c’è in first, second, ecc

PYTHON

first = pd.read_csv('data/gapminder_all.csv', index_col='country')
second = first[first['continent'] == 'Americas']
third = second.drop('Puerto Rico')
fourth = third.drop('continent', axis = 1)
fourth.to_csv('result.csv')

Soluzione

Esaminiamo questo pezzo di codice riga per riga.

PYTHON

first = pd.read_csv('data/gapminder_all.csv', index_col='country')

Questa riga carica il dataset contenente i dati sul PIL di tutti i paesi in un dataframe chiamato first. Il parametro index_col='country' seleziona quale colonna utilizzare come etichetta di riga nel dataframe.

PYTHON

second = first[first['continent'] == 'Americas']

Questa riga effettua una selezione: vengono estratte solo le righe di first per le quali la colonna ‘continente’ corrisponde a ‘Americhe’. Si noti come l’espressione booleana all’interno delle parentesi, first['continent'] == 'Americas', venga utilizzata per selezionare solo le righe in cui l’espressione è vera. Provate a stampare questa espressione! È possibile stampare anche i singoli elementi Vero/Falso? (suggerimento: prima assegnate l’espressione a una variabile)

PYTHON

third = second.drop('Puerto Rico')

Come suggerisce la sintassi, questa riga elimina la riga da second in cui l’etichetta è “Porto Rico”. Il dataframe risultante third ha una riga in meno rispetto al dataframe originale second.

PYTHON

fourth = third.drop('continent', axis = 1)

Anche in questo caso applichiamo la funzione drop, ma in questo caso non eliminiamo una riga ma un’intera colonna. Per farlo, è necessario specificare anche il parametro axis (vogliamo eliminare la seconda colonna che ha indice 1).

PYTHON

fourth.to_csv('result.csv')

Il passo finale è scrivere i dati su cui abbiamo lavorato in un file csv. Pandas semplifica questa operazione con la funzione to_csv(). L’unico argomento richiesto alla funzione è il nome del file. Si noti che il file verrà scritto nella directory da cui è stata avviata la sessione Jupyter o Python.

Sfida

Selezione degli indici

Spiegate in termini semplici cosa fanno idxmin e idxmax nel breve programma qui sotto. Quando utilizzereste questi metodi?

PYTHON

data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
print(data.idxmin())
print(data.idxmax())

Soluzione

Per ogni colonna in data, idxmin restituirà il valore dell’indice corrispondente al minimo di ogni colonna; idxmax farà lo stesso per il valore massimo di ogni colonna.

È possibile utilizzare queste funzioni quando si desidera ottenere l’indice di riga del valore minimo/massimo e non il valore minimo/massimo effettivo.

Sfida

Esercitarsi con la selezione

Si supponga che Pandas sia stato importato e che siano stati caricati i dati del PIL di Gapminder per l’Europa. Scrivete un’espressione per selezionare ciascuno dei seguenti elementi:

1. PIL pro capite per tutti i paesi nel 1982.
2. PIL pro capite per la Danimarca per tutti gli anni.
3. PIL pro capite per tutti i paesi per gli anni dopo il 1985.
4. PIL pro capite di ciascun Paese nel 2007 come multiplo del PIL pro capite di quel Paese nel 1952.

Soluzione

1:

PYTHON

data['gdpPercap_1982']

2:

PYTHON

data.loc['Denmark',:]

3:

PYTHON

data.loc[:,'gdpPercap_1985':]

Pandas è abbastanza intelligente da riconoscere il numero alla fine dell’etichetta della colonna e non dà errore, anche se non esiste alcuna colonna denominata gdpPercap_1985. Questo è utile se in seguito vengono aggiunte nuove colonne al file CSV.

4:

PYTHON

data['gdpPercap_2007']/data['gdpPercap_1952']

Sfida

Molti modi di accesso

Esistono almeno due modi per accedere a un valore o a una slice di un DataFrame: per nome o per indice. Tuttavia, ve ne sono molti altri. Ad esempio, si può accedere a una singola colonna o riga come oggetto DataFrame o Series.

Suggerite diversi modi di eseguire le seguenti operazioni su un DataFrame:

1. Accesso a una singola colonna
2. Accesso a una singola riga
3. Accesso a un singolo elemento del DataFrame
4. Accesso a diverse colonne
5. Accesso a diverse righe
6. accesso a un sottoinsieme di righe e colonne specifiche
7. Accesso a un sottoinsieme di intervalli di righe e di colonne

Soluzione

1. Accedere a una singola colonna:

PYTHON

# by name
data["col_name"]   # as a Series
data[["col_name"]] # as a DataFrame

# by name using .loc
data.T.loc["col_name"]  # as a Series
data.T.loc[["col_name"]].T  # as a DataFrame

# Dot notation (Series)
data.col_name

# by index (iloc)
data.iloc[:, col_index]   # as a Series
data.iloc[:, [col_index]] # as a DataFrame

# using a mask
data.T[data.T.index == "col_name"].T

2. Accedere a una singola riga:

PYTHON

# by name using .loc
data.loc["row_name"] # as a Series
data.loc[["row_name"]] # as a DataFrame

# by name
data.T["row_name"] # as a Series
data.T[["row_name"]].T # as a DataFrame

# by index
data.iloc[row_index]   # as a Series
data.iloc[[row_index]]   # as a DataFrame

# using mask
data[data.index == "row_name"]

3. Accedere a un singolo elemento del DataFrame:

PYTHON

# by column/row names
data["column_name"]["row_name"]         # as a Series

data[["col_name"]].loc["row_name"]  # as a Series
data[["col_name"]].loc[["row_name"]]  # as a DataFrame

data.loc["row_name"]["col_name"]  # as a value
data.loc[["row_name"]]["col_name"]  # as a Series
data.loc[["row_name"]][["col_name"]]  # as a DataFrame

data.loc["row_name", "col_name"]  # as a value
data.loc[["row_name"], "col_name"]  # as a Series. Preserves index. Column name is moved to `.name`.
data.loc["row_name", ["col_name"]]  # as a Series. Index is moved to `.name.` Sets index to column name.
data.loc[["row_name"], ["col_name"]]  # as a DataFrame (preserves original index and column name)

# by column/row names: Dot notation
data.col_name.row_name

# by column/row indices
data.iloc[row_index, col_index] # as a value
data.iloc[[row_index], col_index] # as a Series. Preserves index. Column name is moved to `.name`
data.iloc[row_index, [col_index]] # as a Series. Index is moved to `.name.` Sets index to column name.
data.iloc[[row_index], [col_index]] # as a DataFrame (preserves original index and column name)

# column name + row index
data["col_name"][row_index]
data.col_name[row_index]
data["col_name"].iloc[row_index]

# column index + row name
data.iloc[:, [col_index]].loc["row_name"]  # as a Series
data.iloc[:, [col_index]].loc[["row_name"]]  # as a DataFrame

# using masks
data[data.index == "row_name"].T[data.T.index == "col_name"].T

4. Accesso a diverse colonne:

PYTHON

# by name
data[["col1", "col2", "col3"]]
data.loc[:, ["col1", "col2", "col3"]]

# by index
data.iloc[:, [col1_index, col2_index, col3_index]]

5. Accesso a diverse righe

PYTHON

# by name
data.loc[["row1", "row2", "row3"]]

# by index
data.iloc[[row1_index, row2_index, row3_index]]

6. Accedere a un sottoinsieme di righe e colonne specifiche

PYTHON

# by names
data.loc[["row1", "row2", "row3"], ["col1", "col2", "col3"]]

# by indices
data.iloc[[row1_index, row2_index, row3_index], [col1_index, col2_index, col3_index]]

# column names + row indices
data[["col1", "col2", "col3"]].iloc[[row1_index, row2_index, row3_index]]

# column indices + row names
data.iloc[:, [col1_index, col2_index, col3_index]].loc[["row1", "row2", "row3"]]

7. Accedere a un sottoinsieme di intervalli di righe e colonne

PYTHON

# by name
data.loc["row1":"row2", "col1":"col2"]

# by index
data.iloc[row1_index:row2_index, col1_index:col2_index]

# column names + row indices
data.loc[:, "col1_name":"col2_name"].iloc[row1_index:row2_index]

# column indices + row names
data.iloc[:, col1_index:col2_index].loc["row1":"row2"]

Sfida

Esplorazione dei metodi disponibili utilizzando la funzione dir()

Python include una funzione dir() che può essere utilizzata per visualizzare tutti i metodi (funzioni) disponibili integrati in un oggetto dati. Nell’episodio 4 abbiamo utilizzato alcuni metodi con una stringa. Ma possiamo vedere che ne sono disponibili molti altri utilizzando la funzione dir():

PYTHON

my_string = 'Hello world!'   # creation of a string object 
dir(my_string)

Questo comando restituisce:

PYTHON

['__add__',
...
'__subclasshook__',
'capitalize',
'casefold',
'center',
...
'upper',
'zfill']

È possibile utilizzare help() o Shift+Tab per ottenere maggiori informazioni sulle funzioni di questi metodi.

Si supponga che Pandas sia stato importato e che i dati del PIL di Gapminder per l’Europa siano stati caricati come data. Quindi, utilizzare dir() per trovare la funzione che stampa la mediana del PIL pro-capite di tutti i paesi europei per ogni anno in cui sono disponibili le informazioni.

Soluzione

Tra le tante scelte, dir() elenca la funzione median() come una possibilità. Quindi,

PYTHON

data.median()

Discussione

Interpretazione

I confini della Polonia sono stabili dal 1945, ma sono cambiati più volte negli anni precedenti. Come si gestirebbe questa situazione se si dovesse creare una tabella del PIL pro capite della Polonia per l’intero ventesimo secolo?

Punti Chiave

• Usare DataFrame.iloc[..., ...] per selezionare i valori in base alla posizione degli interi.
• Usare : da solo per indicare tutte le colonne o tutte le righe.
• Selezionare più colonne o righe utilizzando DataFrame.loc e una slice denominata.
• Il risultato dell’affettatura può essere utilizzato in altre operazioni.
• Utilizzare i confronti per selezionare i dati in base al valore.
• Selezionare valori o NaN utilizzando una maschera booleana.

Content from Tracciare

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso tracciare i miei dati?
• Come posso salvare il mio grafico per la pubblicazione?

Obiettivi

• Crea un grafico di serie temporali che mostra una singola serie di dati.
• Crea un grafico a dispersione che mostra la relazione tra due serie di dati.

matplotlib è la libreria di grafici scientifici più utilizzata in Python.

---

• Comunemente si usa una sottolibreria chiamata matplotlib.pyplot.
• Per impostazione predefinita, Jupyter Notebook esegue il rendering dei grafici.

PYTHON

import matplotlib.pyplot as plt

• I grafici semplici si creano (abbastanza) facilmente

PYTHON

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

{alt=‘Un grafico a linee che mostra il tempo (ore) rispetto alla posizione (km), utilizzando i valori forniti nel blocco di codice precedente. Per impostazione predefinita, la linea tracciata è blu su sfondo bianco e gli assi sono stati scalati automaticamente per adattarsi all’intervallo dei dati di input.’}

Richiamo

Visualizza tutte le figure aperte

Nel nostro esempio di Jupyter Notebook, l’esecuzione della cella dovrebbe generare la figura direttamente sotto il codice. La figura è anche inclusa nel documento del notebook per una visualizzazione futura. Tuttavia, altri ambienti Python, come una sessione Python interattiva avviata da un terminale o uno script Python eseguito dalla riga di comando, richiedono un comando aggiuntivo per visualizzare la figura.

Indica a matplotlib di mostrare una figura:

PYTHON

plt.show()

Questo comando può essere usato anche all’interno di un blocco note, ad esempio per visualizzare più figure se diverse sono state create da una singola cella.

Traccia i dati direttamente da un Pandas dataframe.

---

• È anche possibile tracciare Pandas dataframes.
• Prima di tracciare, convertiamo le intestazioni delle colonne da un tipo di dati string a integer, poiché rappresentano valori numerici, usando str.replace() per rimuovere il prefisso gpdPercap_ e poi astype(int) per convertire la serie di valori stringa (['1952', '1957', ..., '2007']) in una serie di interi: [1925, 1957, ..., 2007].

PYTHON

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Estrae l’anno dagli ultimi 4 caratteri di ciascun nome di colonna.
# I nomi delle colonne attuali sono nella forma 'gdpPercap_(anno)',
# quindi vogliamo mantenere solo la parte (anno) per rendere più chiaro il grafico PIL vs anni.
# Usiamo il metodo replace(), che rimuove dalla stringa i caratteri specificati come argomento.
# Questo metodo agisce su stringhe, quindi utilizziamo replace() attraverso le funzioni vettorializzate per stringhe di Pandas (Series.str).

years = data.columns.str.replace('gdpPercap_', '')

# Converte i valori degli anni in interi e salva i risultati di nuovo nel DataFrame.

data.columns = years.astype(int)

data.loc['Australia'].plot()

{alt=‘Grafico del PIL per l’Australia’}

Seleziona e trasforma i dati, quindi li traccia.

---

• Per impostazione predefinita, DataFrame.plot esegue il grafico con le righe come asse X.
• È possibile trasporre i dati per tracciare serie multiple.

PYTHON

data.T.plot()
plt.ylabel('GDP per capita')

Sono disponibili molti stili di grafico.

---

• Ad esempio, si può creare un grafico a barre utilizzando uno stile più sofisticato.

PYTHON

plt.style.use('ggplot')
data.T.plot(kind='bar')
plt.ylabel('GDP per capita')

{alt=‘Grafico a barre del PIL per l’Australia’}

I dati possono essere tracciati anche chiamando direttamente la funzione matplotlib plot.

---

• Il comando è plt.plot(x, y)
• Il colore e il formato dei marcatori possono essere specificati come argomento opzionale aggiuntivo, ad esempio b- è una linea blu, g-- è una linea verde tratteggiata.

Ottenere i dati sull’Australia dal dataframe

---

PYTHON

years = data.columns
gdp_australia = data.loc['Australia']

plt.plot(years, gdp_australia, 'g--')

{alt=‘Grafico formattato del PIL per l’Australia’}

Può tracciare molti insiemi di dati contemporaneamente.

---

PYTHON

# Selezionare i dati relativi a due Paesi
gdp_australia = data.loc['Australia']
gdp_nz = data.loc['New Zealand']

# Graficali con due diversi colori.
plt.plot(years, gdp_australia, 'b-', label='Australia')
plt.plot(years, gdp_nz, 'g-', label='New Zealand')

# Creare una legenda.
plt.legend(loc='upper left')
plt.xlabel('Year')
plt.ylabel('GDP per capita ($)')

Richiamo

Aggiunta di una legenda

Spesso quando si tracciano più insiemi di dati sulla stessa figura è auspicabile avere una legenda che descriva i dati.

Questo può essere fatto in matplotlib in due fasi:

• Fornisce un’etichetta per ogni serie di dati nella figura:

PYTHON

plt.plot(years, gdp_australia, label='Australia')
plt.plot(years, gdp_nz, label='New Zealand')

• Indica a matplotlib di creare la legenda.

PYTHON

plt.legend()

Per impostazione predefinita, matplotlib tenta di posizionare la legenda in una posizione centrale. Se si preferisce specificare una posizione, è possibile farlo con l’argomento loc=, ad esempio per posizionare la legenda nell’angolo superiore sinistro del grafico, specificare loc='upper left'

• Traccia un grafico a dispersione che mette in relazione il PIL di Australia e Nuova Zelanda
• Utilizzare plt.scatter o DataFrame.plot.scatter

PYTHON

plt.scatter(gdp_australia, gdp_nz)

PYTHON

data.T.plot.scatter(x = 'Australia', y = 'New Zealand')

Sfida

Minimi e massimi

Compilate gli spazi vuoti qui sotto per tracciare il PIL minimo pro capite nel tempo per tutti i paesi europei. Modificatelo di nuovo per tracciare il PIL pro capite massimo nel tempo per l’Europa.

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.____.plot(label='min')
data_europe.____
plt.legend(loc='best')
plt.xticks(rotation=90)

Soluzione

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.min().plot(label='min')
data_europe.max().plot(label='max')
plt.legend(loc='best')
plt.xticks(rotation=90)

Sfida

Correlazioni

Modificate l’esempio nelle note per creare un grafico a dispersione che mostri la relazione tra il PIL pro capite minimo e massimo dei paesi asiatici per ogni anno dell’insieme di dati. Quale relazione vedete (se esiste)?

Soluzione

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.describe().T.plot(kind='scatter', x='min', y='max')

Non si notano particolari correlazioni tra i valori minimi e massimi del PIL anno per anno. Sembra che le fortune dei paesi asiatici non salgano e non scendano insieme.

Sfida

Correlazioni (continued)

Si può notare che la variabilità del massimo è molto più alta di quella del minimo. Osservate gli indici di massimo e di massimo:

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.max().plot()
print(data_asia.idxmax())
print(data_asia.idxmin())

Soluzione

Sembra che la variabilità di questo valore sia dovuta a un forte calo dopo il 1972. Forse è in gioco la geopolitica? Data la predominanza dei paesi produttori di petrolio, forse l’indice del Brent potrebbe essere un confronto interessante? Mentre il Myanmar ha costantemente il PIL più basso, la nazione con il PIL più alto ha subito variazioni più marcate.

Sfida

Altre correlazioni

Questo breve programma crea un grafico che mostra la correlazione tra il PIL e l’aspettativa di vita per il 2007, normalizzando il marker in base alla popolazione:

PYTHON

data_all = pd.read_csv('data/gapminder_all.csv', index_col='country')
data_all.plot(kind='scatter', x='gdpPercap_2007', y='lifeExp_2007',
              s=data_all['pop_2007']/1e6)

Utilizzando la guida in linea e altre risorse, spiegate cosa fa ogni argomento di plot.

Soluzione

Un buon punto di partenza è la documentazione della funzione plot - help(data_all.plot).

kind - Come già visto, determina il tipo di grafico da disegnare.

x e y - Nome di una colonna o indice che determina quali dati saranno posizionati sugli assi x e y del grafico

s - I dettagli sono disponibili nella documentazione di plt.scatter. Un singolo numero o un valore per ogni punto di dati. Determina la dimensione dei punti tracciati.

Richiamo

Salvataggio del grafico in un file

Se siete soddisfatti del grafico che vedete, potreste volerlo salvare in un file, magari per includerlo in una pubblicazione. Esiste una funzione nel modulo matplotlib.pyplot che permette di farlo: savefig. Chiamando questa funzione, ad esempio con

PYTHON

plt.savefig('my_figure.png')

salva la figura corrente nel file my_figure.png. Il formato del file viene automaticamente dedotto dall’estensione del nome del file (altri formati sono pdf, ps, eps e svg).

Si noti che le funzioni in plt fanno riferimento a una variabile globale di figura e dopo che una figura è stata visualizzata sullo schermo (ad esempio con plt.show) matplotlib farà in modo che questa variabile faccia riferimento a una nuova figura vuota. Pertanto, assicurarsi di chiamare plt.savefig prima che il grafico venga visualizzato sullo schermo, altrimenti si potrebbe trovare un file con un grafico vuoto.

Quando si usano i dataframe, i dati vengono spesso generati e tracciati sullo schermo in un’unica riga. Oltre a usare plt.savefig, si può salvare un riferimento alla figura corrente in una variabile locale (con plt.gcf) e chiamare il metodo della classe savefig da quella variabile per salvare la figura su file.

PYTHON

data.plot(kind='bar')
fig = plt.gcf() # get current figure
fig.savefig('my_figure.png')

Richiamo

Rendere accessibili i grafici

Ogni volta che si generano grafici da inserire in un documento o in una presentazione, ci sono alcune cose da fare per assicurarsi che tutti possano capire i grafici.

• Assicuratevi sempre che il testo sia abbastanza visibile da essere letto. Usate il parametro fontsize in xlabel, ylabel, title e legend e tick_params con labelsize per aumentare la dimensione del testo dei numeri sugli assi.
• Allo stesso modo, è necessario che gli elementi del grafico siano facili da vedere. Usate s per aumentare le dimensioni dei marcatori del grafico di dispersione e linewidth per aumentare le dimensioni delle linee del grafico.
• L’uso del colore (e di nient’altro) per distinguere i diversi elementi del grafico renderà i grafici illeggibili a chiunque sia daltonico o abbia una stampante da ufficio in bianco e nero. Per le linee, il parametro linestyle consente di utilizzare diversi tipi di linee. Per i diagrammi di dispersione, il parametro marker consente di modificare la forma dei punti. Se non si è sicuri dei colori, si può usare Coblis o Color Oracle per simulare l’aspetto dei grafici per le persone affette da daltonismo.

Punti Chiave

• matplotlib è la libreria di grafici scientifici più utilizzata in Python.
• Grafica i dati direttamente da un dataframe Pandas.
• Selezionare e trasformare i dati, quindi graficarli.
• Sono disponibili molti stili di grafico: per ulteriori opzioni, consultare la Python Graph Gallery.
• Si possono graficare molti insiemi di dati insieme.

Content from Pranzo

---

Ultimo aggiornamento il 2025-03-02 | Modifica questa pagina

Durante il pranzo, riflettete e discutete su quanto segue:

• Che tipo di pacchetti potreste usare in Python e perché li usereste?
• Come devono essere formattati i dati per essere utilizzati nei data frame di Pandas? I dati in vostro possesso soddisfano questi requisiti?
• Quali limitazioni o problemi potreste incontrare pensando a come applicare ciò che abbiamo imparato ai vostri progetti o ai vostri dati?

Content from Elenchi

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come si possono memorizzare più valori?

Obiettivi

• Spiegare perché i programmi hanno bisogno di collezioni di valori.
• Scrivere programmi che creino elenchi semplici, li indicizzino, li suddividano (slice) e li modifichino tramite assegnazioni o chiamate a metodi.

Un elenco memorizza molti valori in un’unica struttura.

---

• Fare calcoli con un centinaio di variabili chiamate pressure_001, pressure_002, ecc. sarebbe almeno altrettanto lento che farli a mano.
• Utilizzare un elenco per memorizzare molti valori insieme.
  • Racchiuso tra parentesi quadre [...].
  • Valori separati da virgole ,.
• Usare len per scoprire quanti valori ci sono in un elenco.

PYTHON

pressures = [0.273, 0.275, 0.277, 0.275, 0.276]
print('pressures:', pressures)
print('length:', len(pressures))

OUTPUT

pressures: [0.273, 0.275, 0.277, 0.275, 0.276]
length: 5

Usare l’indice di un elemento per recuperarlo da un elenco.

---

• Come le stringhe.

PYTHON

print('zeroth item of pressures:', pressures[0])
print('fourth item of pressures:', pressures[4])

OUTPUT

zeroth item of pressures: 0.273
fourth item of pressures: 0.276

I valori di un elenco possono essere sostituiti tramite assegnazione

---

• Utilizzare un’espressione di indice a sinistra dell’assegnazione per sostituire un valore.

PYTHON

pressures[0] = 0.265
print('pressures is now:', pressures)

OUTPUT

pressures is now: [0.265, 0.275, 0.277, 0.275, 0.276]

L’aggiunta di elementi a un elenco ne aumenta la lunghezza

---

• Usare list_name.append per aggiungere elementi alla fine di un elenco.

PYTHON

primes = [2, 3, 5]
print('primes is initially:', primes)
primes.append(7)
print('primes has become:', primes)

OUTPUT

primes is initially: [2, 3, 5]
primes has become: [2, 3, 5, 7]

• append è un metodo delle liste.
  • È simile a una funzione, ma associato a un particolare oggetto.
• Usare object_name.method_name per chiamare i metodi.
  • Questo stile ricorda volutamente il modo in cui ci si riferisce agli elementi in una libreria.
• Nel corso della trattazione incontreremo altri metodi delle liste.
  • Utilizzare help(list) per un’anteprima.
• extend è simile a append, ma consente di combinare due elenchi. Ad esempio:

PYTHON

teen_primes = [11, 13, 17, 19]
middle_aged_primes = [37, 41, 43, 47]
print('primes is currently:', primes)
primes.extend(teen_primes)
print('primes has now become:', primes)
primes.append(middle_aged_primes)
print('primes has finally become:', primes)

OUTPUT

primes is currently: [2, 3, 5, 7]
primes has now become: [2, 3, 5, 7, 11, 13, 17, 19]
primes has finally become: [2, 3, 5, 7, 11, 13, 17, 19, [37, 41, 43, 47]]

Si noti che mentre extend mantiene la struttura “piatta” dell’elenco, l, aggiungere un elenco a un altro fa sì che l’ultimo elemento di primes ssia a sua volta un elenco, non un intero. Gli elenchi possono contenere valori di qualsiasi tipo; sono quindi possibili elenchi di elenchi.

Usare del per rimuovere completamente un elemento da una lista.

---

• Si usa del list_name[index] per rimuovere un elemento da una lista (nell’esempio, 9 non è un numero primo) e quindi accorciarlo.
• del non è una funzione o un metodo, ma un’istruzione del linguaggio.

PYTHON

primes = [2, 3, 5, 7, 9]
print('primes before removing last item:', primes)
del primes[4]
print('primes after removing last item:', primes)

OUTPUT

primes before removing last item: [2, 3, 5, 7, 9]
primes after removing last item: [2, 3, 5, 7]

La lista vuota non contiene valori.

---

• Utilizzare [] da solo per rappresentare una lista che non contiene valori.
  • “Lo zero della lista”
• Utile come punto di partenza per la raccolta di valori (che vedremo nel prossimo episodio).

Le liste possono contenere valori di tipi diversi.

---

• Una singola lista può contenere numeri, stringhe e qualsiasi altra cosa.

PYTHON

goals = [1, 'Create lists.', 2, 'Extract items from lists.', 3, 'Modify lists.']

Le stringhe di caratteri possono essere indicizzate come le liste.

---

• Ottenere singoli caratteri da una stringa di caratteri utilizzando gli indici tra parentesi quadre.

PYTHON

element = 'carbon'
print('zeroth character:', element[0])
print('third character:', element[3])

OUTPUT

zeroth character: c
third character: b

Le stringhe di caratteri sono immutabili.

---

• Non è possibile modificare i caratteri di una stringa dopo la sua creazione.
  • Immutabile: non può essere modificato dopo la creazione.
  • Al contrario, le liste sono mutabili: possono essere modificati sul posto.
• Python considera la stringa come un singolo valore con parti, non come un insieme di valori.

PYTHON

element[0] = 'C'

ERRORE

TypeError: 'str' object does not support item assignment

• Le liste e le stringhe di caratteri sono entrambi collezioni.

L’indicizzazione oltre la fine dell’insieme è un errore.

---

• Python segnala un IndexError se si tenta di accedere a un valore che non esiste.
  • Questo è un tipo di [errore di runtime] (04-built-in.md).
  • Non può essere rilevato durante l’analisi del codice perché l’indice potrebbe essere calcolato in base ai dati.

PYTHON

print('99th element of element is:', element[99])

OUTPUT

IndexError: string index out of range

Sfida

Riempire gli spazi vuoti

Riempite gli spazi vuoti in modo che il programma sottostante produca l’output mostrato.

PYTHON

values = ____
values.____(1)
values.____(3)
values.____(5)
print('first time:', values)
values = values[____]
print('second time:', values)

OUTPUT

first time: [1, 3, 5]
second time: [3, 5]

Soluzione

PYTHON

values = []
values.append(1)
values.append(3)
values.append(5)
print('first time:', values)
values = values[1:]
print('second time:', values)

Sfida

Quanto è grande una fetta?

Se start e stop sono entrambi numeri interi non negativi, quanto è lunga la lista values[start:stop]?

Soluzione

L’elenco values[start:stop] ha fino a stop - start elementi. Per esempio, values[1:4] ha i 3 elementi values[1], values[2] e values[3]. Perché “fino a”? Come abbiamo visto in [episodio 2] (02-variables.md), se stop è maggiore della lunghezza totale della lista values, otterremo comunque una lista, ma sarà più corta del previsto.

Sfida

Da stringhe a liste e viceversa

Dato questo:

PYTHON

print('string to list:', list('tin'))
print('list to string:', ''.join(['g', 'o', 'l', 'd']))

OUTPUT

string to list: ['t', 'i', 'n']
list to string: gold

1. Cosa fa list('some string')?
2. Cosa genera '-'.join(['x', 'y', 'z'])?

Soluzione

1. list('some string') converte una stringa in un elenco contenente tutti i suoi caratteri.
2. join restituisce una stringa che è la concatenazione di ogni elemento di stringa dell’elenco e aggiunge il separatore tra ogni elemento della lista. Il risultato è x-y-z. Il separatore tra gli elementi è la stringa che fornisce questo metodo.

Sfida

Lavorare con la fine

Cosa stampa il seguente programma?

PYTHON

element = 'helium'
print(element[-1])

1. Come interpreta Python un indice negativo?
2. Se un elenco o una stringa ha N elementi, qual è l’indice più negativo che può essere usato con sicurezza e quale posizione rappresenta tale indice?
3. Se values è una lista, cosa fa del values[-1]?
4. Come si possono visualizzare tutti gli elementi tranne l’ultimo senza cambiare values? (Suggerimento: è necessario combinare l’affettatura e l’indicizzazione negativa)

Soluzione

Il programma stampa m.

1. Python interpreta un indice negativo come se partisse dalla fine (invece che dall’inizio). L’ultimo elemento è -1.
2. L’ultimo indice che può essere usato con sicurezza con un elenco di N elementi è l’elemento -N, che rappresenta il primo elemento.
3. del values[-1] rimuove l’ultimo elemento della lista.
4. values[:-1]

Sfida

Passaggio attraverso una lista

Cosa stampa il seguente programma?

PYTHON

element = 'fluorine'
print(element[::2])
print(element[::-1])

1. Se scriviamo una fetta come low:high:stride, cosa fa stride?
2. Quale espressione selezionerebbe tutti gli elementi pari di un insieme?

Soluzione

il programma stampa

PYTHON

furn
eniroulf

1. stride è la dimensione della fetta.
2. La slice 1::2 seleziona tutti gli elementi pari di un insieme: inizia con l’elemento 1 (che è il secondo elemento, dato che l’indicizzazione inizia da 0), prosegue fino alla fine (dato che non viene dato end) e utilizza una dimensione di passo di 2 (cioè seleziona ogni secondo elemento).

Sfida

Limiti di fetta

Cosa stampa il seguente programma?

PYTHON

element = 'lithium'
print(element[0:20])
print(element[-1:3])

Soluzione

OUTPUT

lithium

La prima istruzione stampa l’intera stringa, poiché la fetta va oltre la lunghezza totale della stringa. La seconda istruzione restituisce una stringa vuota, perché la fetta va “fuori dai limiti” della stringa.

Sfida

Ordinamento e ordinamento

Cosa stampano questi due programmi? In termini semplici, spiegare la differenza tra sorted(letters) e letters.sort().

PYTHON

# Program A
letters = list('gold')
result = sorted(letters)
print('letters is', letters, 'and result is', result)

PYTHON

# Program B
letters = list('gold')
result = letters.sort()
print('letters is', letters, 'and result is', result)

Soluzione

Il programma A stampa

OUTPUT

letters is ['g', 'o', 'l', 'd'] and result is ['d', 'g', 'l', 'o']

Il programma B stampa

OUTPUT

letters is ['d', 'g', 'l', 'o'] and result is None

sorted(letters) restituisce una copia ordinata della lista letters (l’elenco originale letters rimane invariato), mentre letters.sort() ordina la lista letters sul posto e non restituisce nulla.

Sfida

Copiare (o no)

Cosa stampano questi due programmi? In termini semplici, spiegare la differenza tra new= old e new = old[:].

PYTHON

# Program A
old = list('gold')
new = old      # simple assignment
new[0] = 'D'
print('new is', new, 'and old is', old)

PYTHON

# Program B
old = list('gold')
new = old[:]   # assigning a slice
new[0] = 'D'
print('new is', new, 'and old is', old)

Soluzione

Il programma A stampa

OUTPUT

new is ['D', 'o', 'l', 'd'] and old is ['D', 'o', 'l', 'd']

Il programma B stampa

OUTPUT

new is ['D', 'o', 'l', 'd'] and old is ['g', 'o', 'l', 'd']

new = old rende new un riferimento all’elenco old; new e old puntano allo stesso oggetto.

new = old[:] crea comunque un nuovo oggetto elenco new contenente tutti gli elementi dell’elenco old; new e old sono oggetti diversi.

Punti Chiave

• Una lista memorizza molti valori in un’unica struttura.
• Utilizzare l’indice di un elemento per recuperarlo da una lista.
• I valori delle liste possono essere sostituiti assegnandoli.
• L’aggiunta di elementi a una lista lo allunga.
• Usare del per rimuovere completamente gli elementi da una lista.
• Una lista vuota non contiene valori.
• Le liste possono contenere valori di tipi diversi.
• Le stringhe di caratteri possono essere indicizzate come le liste.
• Le stringhe di caratteri sono immutabili.
• L’indicizzazione oltre la fine dell’insieme è un errore.

Content from Per i cicli

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso fare in modo che un programma faccia molte cose contemporaneamente?

Obiettivi

• Spiegare a cosa servono normalmente i cicli for.
• Tracciare l’esecuzione di un ciclo semplice (non annidato) e indicare correttamente i valori delle variabili in ogni iterazione.
• Scrivere cicli for che utilizzano lo schema Accumulator per aggregare valori.

Un ciclo for esegue i comandi una volta per ogni valore di un insieme.

---

• Fare calcoli sui valori di un elenco uno per uno è doloroso come lavorare con pressure_001, pressure_002, ecc.
• Un ciclo for dice a Python di eseguire alcune istruzioni una volta per ogni valore di una lista, di una stringa di caratteri o di un altro insieme.
• “per ogni cosa in questo gruppo, fare queste operazioni”

PYTHON

for number in [2, 3, 5]:
    print(number)

• Questo ciclo for è equivalente a:

PYTHON

print(2)
print(3)
print(5)

• E l’output del ciclo for è:

OUTPUT

2
3
5

Un ciclo for è composto da un insieme, una variabile del ciclo e un corpo.

---

PYTHON

for number in [2, 3, 5]:
    print(number)

• L’insieme, [2, 3, 5], è quello su cui viene eseguito il ciclo.
• Il corpo, print(number), specifica cosa fare per ogni valore dell’insieme.
• La variabile del ciclo, number, è quella che cambia a ogni iterazione del ciclo.
  • La “cosa corrente”.

La prima riga del ciclo for deve terminare con i due punti e il corpo deve essere indentato.

---

• I due punti alla fine della prima riga indicano l’inizio di un blocco di istruzioni.
• Python usa l’indentazione piuttosto che {} o begin/end per mostrare il nesting.
  • Qualsiasi rientro coerente è legale, ma quasi tutti usano quattro spazi.

PYTHON

for number in [2, 3, 5]:
print(number)

ERRORE

IndentationError: expected an indented block

• L’indentazione è sempre significativa in Python.

PYTHON

firstName = "Jon"
  lastName = "Smith"

ERRORE

  File "<ipython-input-7-f65f2962bf9c>", line 2
    lastName = "Smith"
    ^
IndentationError: unexpected indent

• Questo errore può essere risolto rimuovendo gli spazi extra all’inizio della seconda riga.

Le variabili di loop possono essere chiamate in qualsiasi modo.

---

• Come tutte le variabili, le variabili del ciclo sono:
  • Create su richiesta.
  • Senza senso: i loro nomi possono essere qualsiasi cosa.

PYTHON

for kitten in [2, 3, 5]:
    print(kitten)

Il corpo di un ciclo può contenere molte istruzioni.

---

• Ma nessun ciclo dovrebbe essere lungo più di qualche riga.
• È difficile per gli esseri umani tenere a mente pezzi di codice più grandi.

PYTHON

primes = [2, 3, 5]
for p in primes:
    squared = p ** 2
    cubed = p ** 3
    print(p, squared, cubed)

OUTPUT

2 4 8
3 9 27
5 25 125

Usare range per iterare su una sequenza di numeri.

---

• La funzione built-in range produce una sequenza di numeri.
  • Non un elenco: i numeri sono prodotti su richiesta per rendere più efficiente il looping su intervalli di grandi dimensioni.
• range(N) sono i numeri 0..N-1
  • Esattamente gli indici legali di un elenco o di una stringa di caratteri di lunghezza N

PYTHON

print('a range is not a list: range(0, 3)')
for number in range(0, 3):
    print(number)

OUTPUT

a range is not a list: range(0, 3)
0
1
2

Lo schema Accumulatore trasforma molti valori in uno.

---

• Uno schema comune nei programmi è quello di:
  1. Inizializza una variabile accumulatore a zero, alla stringa vuota o all’elenco vuoto.
  2. Aggiorna la variabile con i valori di un insieme.

PYTHON

# Sum the first 10 integers.
total = 0
for number in range(10):
   total = total + (number + 1)
print(total)

OUTPUT

55

• Leggere total = total + (number + 1) come:
  • aggiunge 1 al valore corrente della variabile del ciclo number.
  • Aggiungetelo al valore corrente della variabile accumulatore total.
  • Assegna questo valore a total, sostituendo il valore corrente.
• Dobbiamo aggiungere number + 1 perché range produce 0..9, non 1..10.

Sfida

Classificazione degli errori

Un errore di indentazione è un errore di sintassi o un errore di runtime?

Soluzione

Un IndentationError è un errore di sintassi. I programmi con errori di sintassi non possono essere avviati. Un programma con un errore di runtime verrà avviato, ma in determinate condizioni verrà lanciato un errore.

Sfida

Tracciamento dell’esecuzione

Creare una tabella che mostri i numeri delle righe che vengono eseguite durante l’esecuzione di questo programma e i valori delle variabili dopo l’esecuzione di ogni riga.

PYTHON

total = 0
for char in "tin":
    total = total + 1

Soluzione

Line no	Variables
1	total = 0
2	total = 0 char = ‘t’
3	total = 1 char = ‘t’
2	total = 1 char = ‘i’
3	total = 2 char = ‘i’
2	total = 2 char = ‘n’
3	total = 3 char = ‘n’

Sfida

Inversione di una stringa

Riempite gli spazi vuoti del programma sottostante in modo che stampi “nit” (l’inverso della stringa di caratteri originale “tin”).

PYTHON

original = "tin"
result = ____
for char in original:
    result = ____
print(result)

Soluzione

PYTHON

original = "tin"
result = ""
for char in original:
    result = char + result
print(result)

Sfida

Pratica di Accumulazione

Riempite gli spazi vuoti in ciascuno degli esercizi seguenti per produrre il risultato indicato.

PYTHON

# Total length of the strings in the list: ["red", "green", "blue"] => 12
total = 0
for word in ["red", "green", "blue"]:
    ____ = ____ + len(word)
print(total)

Soluzione

PYTHON

total = 0
for word in ["red", "green", "blue"]:
    total = total + len(word)
print(total)

Sfida

Pratica di Accumulazione (continued)

PYTHON

# List of word lengths: ["red", "green", "blue"] => [3, 5, 4]
lengths = ____
for word in ["red", "green", "blue"]:
    lengths.____(____)
print(lengths)

Soluzione

PYTHON

lengths = []
for word in ["red", "green", "blue"]:
    lengths.append(len(word))
print(lengths)

Sfida

Pratica di Accumulazione (continued)

PYTHON

# Cooncatenare le parole: ["red", "green", "blue"] => "redgreenblue"
words = ["red", "green", "blue"]
result = ____
for ____ in ____:
    ____
print(result)

Soluzione

PYTHON

words = ["red", "green", "blue"]
result = ""
for word in words:
    result = result + word
print(result)

Sfida

Pratica di Accumulazione (continued)

Creare un acronimo: Partendo dalla lista ["red", "green", "blue"], creare l’acronimo "RGB" usando un ciclo for.

Consiglio: Potrebbe essere necessario utilizzare un metodo stringa per formattare correttamente l’acronimo.

Soluzione

PYTHON

acronym = ""
for word in ["red", "green", "blue"]:
    acronym = acronym + word[0].upper()
print(acronym)

Sfida

Somma cumulativa

Riordinate e indentate correttamente le righe di codice sottostanti in modo da stampare una lista con la somma cumulativa dei dati. Il risultato dovrebbe essere [1, 3, 5, 10].

PYTHON

cumulative.append(total)
for number in data:
cumulative = []
total = total + number
total = 0
print(cumulative)
data = [1,2,2,5]

Soluzione

PYTHON

total = 0
data = [1,2,2,5]
cumulative = []
for number in data:
    total = total + number
    cumulative.append(total)
print(cumulative)

Sfida

Errori di identificazione del nome della variabile

1. Leggete il codice qui sotto e cercate di identificare gli errori senza eseguirlo.
2. Eseguite il codice e leggete il messaggio di errore. Che tipo di NameError pensate che sia? Si tratta di una stringa senza virgolette, di una variabile scritta male o di una variabile che avrebbe dovuto essere definita ma non lo è stata?
3. Correggere l’errore.
4. Ripetete i passi 2 e 3, finché non avete risolto tutti gli errori.

PYTHON

for number in range(10):
    # use a if the number is a multiple of 3, otherwise use b
    if (Number % 3) == 0:
        message = message + a
    else:
        message = message + "b"
print(message)

Soluzione

• I nomi delle variabili Python sono sensibili alle maiuscole e alle minuscole: number e Number si riferiscono a variabili diverse.
• La variabile message deve essere inizializzata come una stringa vuota.
• Vogliamo aggiungere la stringa "a" a message, non la variabile indefinita a.

PYTHON

message = ""
for number in range(10):
    # use a if the number is a multiple of 3, otherwise use b
    if (number % 3) == 0:
        message = message + "a"
    else:
        message = message + "b"
print(message)

Sfida

Identificazione degli errori degli elementi

1. Leggete il codice qui sotto e cercate di identificare gli errori senza eseguirlo.
2. Eseguite il codice e leggete il messaggio di errore. Di che tipo di errore si tratta?
3. Correggere l’errore.

PYTHON

seasons = ['Spring', 'Summer', 'Fall', 'Winter']
print('My favorite season is ', seasons[4])

Soluzione

Questa lista ha 4 elementi e l’indice per accedere all’ultimo elemento della lista è 3.

PYTHON

seasons = ['Spring', 'Summer', 'Fall', 'Winter']
print('My favorite season is ', seasons[3])

Punti Chiave

• Un ciclo for esegue i comandi una volta per ogni valore di un insieme.
• Un ciclo for è composto da un insieme, una variabile del ciclo e un corpo.
• La prima riga del ciclo for deve terminare con i due punti e il corpo deve essere indentato.
• L’indentazione è sempre significativa in Python.
• Le variabili del loop possono essere chiamate in qualsiasi modo (ma si consiglia vivamente di dare un nome significativo).
• Il corpo di un ciclo può contenere molte istruzioni.
• Usare range per iterare su una sequenza di numeri.
• Lo schema Accumulatore trasforma molti valori in uno.

Content from Condizionali

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come possono i programmi fare cose diverse per dati diversi?

Obiettivi

• Scrivere correttamente programmi che utilizzano istruzioni if e else e semplici espressioni booleane (senza operatori logici).
• Tracciare l’esecuzione di condizionali non annidati e di condizionali all’interno di loop.

Usare le istruzioni if per controllare se un blocco di codice viene eseguito o meno.

---

• Un’istruzione if (più propriamente chiamata istruzione condizionale) controlla se un blocco di codice viene eseguito o meno.
• La struttura è simile a quella di un’istruzione for:
  • La prima riga si apre con if e termina con i due punti
  • Il corpo contenente una o più istruzioni è indentato (di solito di 4 spazi)

PYTHON

mass = 3.54
if mass > 3.0:
    print(mass, 'is large')

mass = 2.07
if mass > 3.0:
    print (mass, 'is large')

OUTPUT

3.54 is large

I condizionali sono spesso utilizzati all’interno dei cicli.

---

• Non ha molto senso usare un condizionale quando si conosce il valore (come sopra).
• Ma è utile quando abbiamo una collezione da elaborare.

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 3.0:
        print(m, 'is large')

OUTPUT

3.54 is large
9.22 is large

Usare else per eseguire un blocco di codice quando l’istruzione condizionale if non è vera.

---

• else si usa dopo un blocco if.
• Permette di specificare un’alternativa da eseguire quando il blocco if non viene eseguito (cioè quando la condizione è falsa).

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 3.0:
        print(m, 'is large')
    else:
        print(m, 'is small')

OUTPUT

3.54 is large
2.07 is small
9.22 is large
1.86 is small
1.71 is small

Usare elif per specificare test aggiuntivi.

---

• Si possono fornire diverse scelte alternative, ognuna con il proprio test.
• Si usa elif (abbreviazione di “else if”) seguito da una condizione per specificare queste alternative.
• È sempre associato a un if.
• Deve precedere l’eventuale else (che funge da “caso di default”).

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 9.0:
        print(m, 'is HUGE')
    elif m > 3.0:
        print(m, 'is large')
    else:
        print(m, 'is small')

OUTPUT

3.54 is large
2.07 is small
9.22 is HUGE
1.86 is small
1.71 is small

Le condizioni sono testate una volta, in ordine.

---

• Python esamina i rami delle condizioni in ordine, testando ciascuno di essi a turno
• L’ordine è importante.

PYTHON

grade = 85
if grade >= 90:
    print('grade is A')
elif grade >= 80:
    print('grade is B')
elif grade >= 70:
    print('grade is C')

OUTPUT

grade is B

• Non torna automaticamente indietro e rivaluta se i valori cambiano.

PYTHON

velocity = 10.0
if velocity > 20.0:
    print('moving too fast')
else:
    print('adjusting velocity')
    velocity = 50.0

OUTPUT

adjusting velocity

• Spesso si usano le condizioni in un ciclo per “evolvere” i valori delle variabili.

PYTHON

velocity = 10.0
for i in range(5): # execute the loop 5 times
    print(i, ':', velocity)
    if velocity > 20.0:
        print('moving too fast')
        velocity = velocity - 5.0
    else:
        print('moving too slow')
        velocity = velocity + 10.0
print('final velocity:', velocity)

OUTPUT

0 : 10.0
moving too slow
1 : 20.0
moving too slow
2 : 30.0
moving too fast
3 : 25.0
moving too fast
4 : 20.0
moving too slow
final velocity: 30.0

Creare una tabella che mostri i valori delle variabili per tracciare l’esecuzione di un programma.

---

i	0	.	1	.	2	.	3	.	4	.
velocity	10.0	20.0	.	30.0	.	25.0	.	20.0	.	30.0

• Il programma deve includere un’istruzione print fuori dal corpo del ciclo per mostrare il valore finale di velocity, poiché il suo valore viene aggiornato nell’ultima iterazione del ciclo.

Richiamo

Relazioni composte con and, or e parentesi

Spesso si vuole che una combinazione di cose sia vera. È possibile combinare le relazioni all’interno di una condizione utilizzando and e or. Continuando l’esempio precedente, si supponga di avere

PYTHON

mass     = [ 3.54,  2.07,  9.22,  1.86,  1.71]
velocity = [10.00, 20.00, 30.00, 25.00, 20.00]

i = 0
for i in range(5):
    if mass[i] > 5 and velocity[i] > 20:
        print("Fast heavy object.  Duck!")
    elif mass[i] > 2 and mass[i] <= 5 and velocity[i] <= 20:
        print("Normal traffic")
    elif mass[i] <= 2 and velocity[i] <= 20:
        print("Slow light object.  Ignore it")
    else:
        print("Whoa!  Something is up with the data.  Check it")

Come per l’aritmetica, si possono e si devono usare le parentesi ogni volta che c’è una possibile ambiguità. Una buona regola generale è quella di usare sempre le parentesi quando si mescolano and e or nella stessa condizione. Cioè, invece di:

PYTHON

if mass[i] <= 2 or mass[i] >= 5 and velocity[i] > 20:

scrivere una di queste:

PYTHON

if (mass[i] <= 2 or mass[i] >= 5) and velocity[i] > 20:
if mass[i] <= 2 or (mass[i] >= 5 and velocity[i] > 20):

in modo che sia perfettamente chiaro a un lettore (e a Python) cosa si intende veramente.

Sfida

Tracciamento dell’esecuzione

Cosa stampa questo programma?

PYTHON

pressure = 71.9
if pressure > 50.0:
    pressure = 25.0
elif pressure <= 50.0:
    pressure = 0.0
print(pressure)

Soluzione

OUTPUT

25.0

Sfida

Valori di taglio

Riempite gli spazi in modo che il codice sottostante crei un nuovo elenco contenente zeri dove i valori dell’elenco originale erano negativi e uno dove i valori dell’elenco originale erano positivi.

PYTHON

original = [-1.5, 0.2, 0.4, 0.0, -1.3, 0.4]
result = ____
for value in original:
    if ____:
        result.append(0)
    else:
        ____
print(result)

OUTPUT

[0, 1, 1, 1, 0, 1]

Soluzione

PYTHON

original = [-1.5, 0.2, 0.4, 0.0, -1.3, 0.4]
result = []
for value in original:
    if value < 0.0:
        result.append(0)
    else:
        result.append(1)
print(result)

Sfida

Elaborazione di piccoli file

Modificate questo programma in modo che elabori solo i file con meno di 50 record.

PYTHON

import glob
import pandas as pd
for filename in glob.glob('data/*.csv'):
    contents = pd.read_csv(filename)
    ____:
        print(filename, len(contents))

Soluzione

PYTHON

import glob
import pandas as pd
for filename in glob.glob('data/*.csv'):
    contents = pd.read_csv(filename)
    if len(contents) < 50:
        print(filename, len(contents))

Sfida

Inizializzazione

Modificate questo codice in modo che trovi i valori più grandi e più piccoli dell’elenco, indipendentemente dall’intervallo di valori originario.

PYTHON

values = [...some test data...]
smallest, largest = None, None
for v in values:
    if ____:
        smallest, largest = v, v
    ____:
        smallest = min(____, v)
        largest = max(____, v)
print(smallest, largest)

Quali sono i vantaggi e gli svantaggi dell’uso di questo metodo per trovare l’intervallo dei dati?

Soluzione

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest, largest = None, None
for v in values:
    if smallest is None and largest is None:
        smallest, largest = v, v
    else:
        smallest = min(smallest, v)
        largest = max(largest, v)
print(smallest, largest)

Se si scrive == None invece di is None, funziona anche quello, ma i programmatori Python scrivono sempre is None a causa del modo speciale in cui funziona None nel linguaggio.

Si può sostenere che un vantaggio dell’uso di questo metodo sarebbe quello di rendere il codice più leggibile. Tuttavia, uno svantaggio è che questo codice non è efficiente perché all’interno di ogni iterazione del ciclo for, ci sono altri due cicli che eseguono due numeri ciascuno (le funzioni min e max). Sarebbe più efficiente iterare su ogni numero una sola volta:

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest, largest = None, None
for v in values:
    if smallest is None or v < smallest:
        smallest = v
    if largest is None or v > largest:
        largest = v
print(smallest, largest)

Ora abbiamo un ciclo, ma quattro test di confronto. Ci sono due modi per migliorarlo ulteriormente: utilizzare un numero minore di confronti in ogni iterazione, oppure utilizzare due cicli che contengono ciascuno un solo test di confronto. La soluzione più semplice è spesso la migliore:

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest = min(values)
largest = max(values)
print(smallest, largest)

Punti Chiave

• Utilizzare le istruzioni if per controllare se un blocco di codice viene eseguito o meno.
• Le condizioni sono spesso utilizzate all’interno dei cicli.
• Usare else per eseguire un blocco di codice quando una condizione if è non vera.
• Usare elif per specificare test aggiuntivi.
• Le condizioni vengono verificate una volta, in ordine.
• Creare una tabella che mostri i valori delle variabili per tracciare l’esecuzione di un programma.

Content from Eseguire cicli su insiemi di dati

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come si possono elaborare molti insiemi di dati con un solo comando?

Obiettivi

• Essere in grado di leggere e scrivere espressioni di globbing che corrispondono a insiemi di file.
• Usare glob per creare elenchi di file.
• Scrivere cicli for per eseguire operazioni sui file dati i loro nomi in un elenco.

Usare un ciclo for per elaborare i file con un elenco di nomi.

---

• Un nome di file è una stringa di caratteri.
• E gli elenchi possono contenere stringhe di caratteri.

PYTHON

import pandas as pd
for filename in ['data/gapminder_gdp_africa.csv', 'data/gapminder_gdp_asia.csv']:
    data = pd.read_csv(filename, index_col='country')
    print(filename, data.min())

OUTPUT

data/gapminder_gdp_africa.csv gdpPercap_1952    298.846212
gdpPercap_1957    335.997115
gdpPercap_1962    355.203227
gdpPercap_1967    412.977514
⋮ ⋮ ⋮
gdpPercap_1997    312.188423
gdpPercap_2002    241.165877
gdpPercap_2007    277.551859
dtype: float64
data/gapminder_gdp_asia.csv gdpPercap_1952    331
gdpPercap_1957    350
gdpPercap_1962    388
gdpPercap_1967    349
⋮ ⋮ ⋮
gdpPercap_1997    415
gdpPercap_2002    611
gdpPercap_2007    944
dtype: float64

Usare glob.glob per trovare insiemi di file i cui nomi corrispondono a uno schema.

---

• In Unix, il termine “globbing” significa “corrispondenza di un insieme di file con uno schema”.
• Gli schemi più comuni sono:
  • * che significa “corrisponde a zero o più caratteri”
  • ? che significa “corrisponde esattamente a un carattere”
• La libreria standard di Python contiene il modulo glob er fornire funzionalità di corrispondenza rispetto a uno schema.
• Il modulo glob contiene una funzione, chiamata anche glob, per la ricerca di file tramite schema.
• Ad esempio, glob.glob('*.txt') corrisponde a tutti i file nella directory corrente i cui nomi terminano con .txt.
• Il risultato è un elenco (eventualmente vuoto) di stringhe di caratteri.

PYTHON

import glob
print('all csv files in data directory:', glob.glob('data/*.csv'))

OUTPUT

all csv files in data directory: ['data/gapminder_all.csv', 'data/gapminder_gdp_africa.csv', \
'data/gapminder_gdp_americas.csv', 'data/gapminder_gdp_asia.csv', 'data/gapminder_gdp_europe.csv', \
'data/gapminder_gdp_oceania.csv']

PYTHON

print('all PDB files:', glob.glob('*.pdb'))

OUTPUT

all PDB files: []

Usare glob e for per elaborare gruppi di file.

---

• Aiuta molto se i file sono nominati e memorizzati in modo sistematico e coerente, in modo che semplici schemi trovino i dati giusti.

PYTHON

for filename in glob.glob('data/gapminder_*.csv'):
    data = pd.read_csv(filename)
    print(filename, data['gdpPercap_1952'].min())

OUTPUT

data/gapminder_all.csv 298.8462121
data/gapminder_gdp_africa.csv 298.8462121
data/gapminder_gdp_americas.csv 1397.717137
data/gapminder_gdp_asia.csv 331.0
data/gapminder_gdp_europe.csv 973.5331948
data/gapminder_gdp_oceania.csv 10039.59564

• Questo include tutti i dati, compresi i dati per regione.
• Utilizzare uno schema più specifico negli esercizi per escludere l’intero set di dati.
• Si noti che il minimo dell’intero insieme di dati è anche il minimo di uno degli insiemi di dati: un utile controllo di correttezza.

Sfida

Determinazione delle corrispondenze

Quale di questi file non corrisponde all’espressione glob.glob('data/*as*.csv')?

1. data/gapminder_gdp_africa.csv
2. data/gapminder_gdp_americas.csv
3. data/gapminder_gdp_asia.csv

Soluzione

1 non corrisponde al glob.

Sfida

Dimensione minima del file

Modificate questo programma in modo che stampi il numero di record nel file che ha il minor numero di record.

PYTHON

import glob
import pandas as pd
fewest = ____
for filename in glob.glob('data/*.csv'):
    dataframe = pd.____(filename)
    fewest = min(____, dataframe.shape[0])
print('smallest file has', fewest, 'records')

Si noti che l’attributo DataFrame.shape() restituisce una tupla con il numero di righe e colonne del data frame.

Soluzione

PYTHON

import glob
import pandas as pd
fewest = float('Inf')
for filename in glob.glob('data/*.csv'):
    dataframe = pd.read_csv(filename)
    fewest = min(fewest, dataframe.shape[0])
print('smallest file has', fewest, 'records')

Si potrebbe aver scelto di inizializzare la variabile fewest con un numero maggiore dei numeri con cui si ha a che fare, ma questo potrebbe portare a problemi se si riutilizza il codice con numeri più grandi. Python consente di utilizzare l’infinito positivo, che funzionerà indipendentemente dalla grandezza dei numeri. Quali altre stringhe speciali riconosce la funzione float?

Sfida

Confronto dei dati

Scrivere un programma che legga i set di dati regionali e tracci il PIL medio pro capite di ogni regione nel tempo in un unico grafico. Pandas solleva un errore se incontra colonne non numeriche nel calcolo di un dataframe, quindi potrebbe essere necessario filtrare tali colonne o dire a pandas di ignorarle.

Soluzione

Questa soluzione costruisce un’utile legenda usando il metodo di stringa split pper estrarre region dal percorso ‘data/gapminder_gdp_a_region.csv’.

PYTHON

mport glob
import pandas as pd
import matplotlib.pyplot as plt

fig, ax = plt.subplots(1, 1)

for filename in glob.glob('data/gapminder_gdp*.csv'):
    dataframe = pd.read_csv(filename)
    # Estrai la <regione> dal nome del file, che si trova nel formato
    # 'data/gapminder_gdp_<regione>.csv'.
    # Divideremo la stringa usando il metodo split con '_' come separatore,
    # prenderemo l’ultima parte della lista restituita (che sarà '<regione>.csv')
    # e poi rimuoveremo l’estensione '.csv' da quella stringa.
    # NOTA: il modulo pathlib, presentato nel prossimo riquadro, offre
    # anche astrazioni pratiche per lavorare con i percorsi dei file e
    # può risolvere questo problema nello stesso modo:
    # from pathlib import Path
    # region = Path(filename).stem.split('_')[-1]
    region = filename.split('_')[-1][:-4]

    # Estrai gli anni dai nomi delle colonne del dataframe
    headings = dataframe.columns[1:]
    years = headings.str.split('_').str.get(1)

    # Pandas genera un errore quando incontra colonne non numeriche
    # durante le operazioni su un dataframe, ma possiamo dirgli di ignorarle
    # con il parametro `numeric_only=True`
    dataframe.mean(numeric_only=True).plot(ax=ax, label=region)

    # NOTA: un altro modo per ottenere lo stesso risultato consiste nel
    # selezionare solo le colonne che contengono "gdp" nel nome, usando il metodo filter:
    # dataframe.filter(like="gdp").mean().plot(ax=ax, label=region)

# Imposta il titolo e le etichette del grafico
ax.set_title('PIL pro capite per regione nel tempo')
ax.set_xticks(range(len(years)))
ax.set_xticklabels(years)
ax.set_xlabel('Anno')
plt.tight_layout()
plt.legend()
plt.show()

Richiamo

Trattare i percorsi dei file

Il modulo pathlib fornisce pratiche astrazioni per la gestione di file e percorsi, come ad esempio l’ottenimento del nome di un file senza estensione. Questo risulta particolarmente utile quando si eseguono cicli su file e directory. Nell’esempio seguente creiamo un oggetto Path e ne ispezioniamo alcuni attributi.

PYTHON

from pathlib import Path

p = Path("data/gapminder_gdp_africa.csv")
print(p.parent)
print(p.stem)
print(p.suffix)

OUTPUT

data
gapminder_gdp_africa
.csv

Consiglio: Controllare tutti gli attributi e i metodi disponibili sull’oggetto Path con la funzione dir().

Punti Chiave

• Usare un ciclo for per elaborare i file dati da un elenco di nomi.
• Usare glob.glob per trovare insiemi di file i cui nomi corrispondono a uno schema.
• Usare glob e for per elaborare gruppi di file.

Content from Caffè pomeridiano

---

Ultimo aggiornamento il 2025-03-02 | Modifica questa pagina

Esercizio di riflessione

---

Durante la pausa, riflettete e discutete quanto segue:

• Un ritornello comune nell’ingegneria del software è “Non ripetere te stesso”. In che modo le tecniche apprese nelle ultime lezioni ci aiutano a evitare di ripeterci? *Si noti che nella pratica ci sono delle sfumature in questo senso e che si dovrebbe bilanciare il tutto con il fare la cosa più semplice che possa funzionare
• Quali sono i pro e i contro di rendere una variabile globale o locale a una funzione?
• Quando si pensa di trasformare un blocco di codice in una definizione di funzione?

Content from Funzioni di scrittura

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso creare le mie funzioni?

Obiettivi

• Spiegare e identificare la differenza tra definizione di funzione e chiamata di funzione.
• Scrivere una funzione che prenda un piccolo numero fisso di argomenti e produca un unico risultato.

Scomporre i programmi in funzioni per renderli più comprensibili.

---

• Gli esseri umani possono tenere nella memoria di lavoro solo pochi elementi alla volta.
• Comprendiamo idee più grandi/più complesse combinando pezzi.
  • Componenti di una macchina.
  • Lemmi per la dimostrazione di teoremi.
• Le funzioni hanno lo stesso scopo nei programmi:
  • Incapsulare a complessità in modo da poterla trattare come un’unica “cosa”.
• Consentono anche il riutilizzo.
  • Scrivere una volta, usare molte volte.

Definire una funzione usando def con un nome, dei parametri e un blocco di codice.

---

• Iniziare la definizione di una nuova funzione con def.
• Seguire con il nome della funzione.
  • Deve rispettare le stesse regole dei nomi delle variabili.
• Poi i parametri tra parentesi.
  • Parentesi vuote se la funzione non riceve input.
  • Ne parleremo in dettaglio tra poco.
• Poi i due punti.
• nfine un blocco di codice rientrato.

PYTHON

def print_greeting():
    print('Hello!')
    print('The weather is nice today.')
    print('Right?')

Definire una funzione non la fa eseguire.

---

• Definire una funzione non la fa eseguire.
  • Come assegnare un valore a una variabile.
• Si deve chiamare la funzione per eseguire il codice che contiene.

PYTHON

print_greeting()

OUTPUT

Hello!

Gli argomenti di una chiamata di funzione sono abbinati ai suoi parametri definiti.

---

• Le funzioni sono più utili quando possono operare su dati diversi.
• Specificare i parametri quando si definisce una funzione.
  • Questi diventano variabili quando la funzione viene eseguita.
  • Sono assegnati gli argomenti della chiamata (cioè i valori passati alla funzione).
  • Se non si nominano gli argomenti quando li si usa nella chiamata, gli argomenti saranno abbinati ai parametri nell’ordine in cui questi sono definiti nella funzione.

PYTHON

def print_date(year, month, day):
    joined = str(year) + '/' + str(month) + '/' + str(day)
    print(joined)

print_date(1871, 3, 19)

OUTPUT

1871/3/19

Oppure, possiamo dare un nome agli argomenti quando chiamiamo la funzione, il che ci permette di specificarli in qualsiasi ordine e aggiunge chiarezza al sito di chiamata; altrimenti, mentre si legge il codice, si potrebbe dimenticare se il secondo argomento è il mese o il giorno, ad esempio.

PYTHON

print_date(month=3, day=19, year=1871)

OUTPUT

1871/3/19

• Via Twitter: () contiene gli ingredienti della funzione mentre il corpo contiene la ricetta.

Le funzioni possono restituire un risultato al loro chiamante usando return.

---

• Usare return ... per restituire un valore al chiamante.
• Può verificarsi in qualsiasi punto della funzione.
• Ma le funzioni sono più facili da capire se si usa return:
  • All’inizio per gestire casi speciali.
  • Alla fine, con il risultato finale.

PYTHON

def average(values):
    if len(values) == 0:
        return None
    return sum(values) / len(values)

PYTHON

a = average([1, 3, 4])
print('average of actual values:', a)

OUTPUT

average of actual values: 2.6666666666666665

PYTHON

print('average of empty list:', average([]))

OUTPUT

average of empty list: None

• Ricorda: ogni funzione restituisce qualcosa.
• Una funzione che non restituisce esplicitamente un valore return restituisce automaticamente None.

PYTHON

result = print_date(1871, 3, 19)
print('result of call is:', result)

OUTPUT

1871/3/19
result of call is: None

Sfida

Identificare gli errori di sintassi

1. Leggete il codice qui sotto e cercate di identificare gli errori senza eseguirlo.
2. Eseguite il codice e leggete il messaggio di errore. È un SyntaxError o un IndentationError?
3. Correggere l’errore.
4. Ripetere i punti 2 e 3 finché non si sono risolti tutti gli errori.

PYTHON

def another_function
  print("Syntax errors are annoying.")
   print("But at least python tells us about them!")
  print("So they are usually not too hard to fix.")

Soluzione

PYTHON

def another_function():
  print("Syntax errors are annoying.")
  print("But at least Python tells us about them!")
  print("So they are usually not too hard to fix.")

Sfida

Definizione e utilizzo

Cosa stampa il seguente programma?

PYTHON

def report(pressure):
    print('pressure is', pressure)

print('calling', report, 22.5)

Soluzione

OUTPUT

calling <function report at 0x7fd128ff1bf8> 22.5

Una chiamata di funzione ha sempre bisogno delle parentesi, altrimenti si ottiene il riferimento all’oggetto funzione. Se volessimo chiamare la funzione report passando il valore 22,5, potremmo scrivere:

PYTHON

print("calling")
report(22.5)

OUTPUT

calling
pressure is 22.5

Sfida

Ordine delle operazioni

1. Cosa c’è di sbagliato in questo esempio?

PYTHON

result = print_time(11, 37, 59)

def print_time(hour, minute, second):
   time_string = str(hour) + ':' + str(minute) + ':' + str(second)
   print(time_string)

2. Dopo aver risolto il problema di cui sopra, spiegate perché eseguire questo esempio:

PYTHON

result = print_time(11, 37, 59)
print('result of call is:', result)

dà questo risultato:

OUTPUT

11:37:59
result of call is: None

3. Perché il risultato è None?

Soluzione

1. Il problema dell’esempio è che la funzione print_time() viene definita dopo che la funzione è stata chiamata. Python non sa come risolvere il nome print_time, poiché non è ancora stato definito, e solleverà un NameError, ad esempio NameError: name ‘print_time’ is not defined`

2. La prima riga di output 11:37:59 è stampata dalla prima riga di codice, result = print_time(11, 37, 59) che lega il valore restituito dall’invocazione print_time alla variabile result. La seconda riga proviene dalla seconda chiamata di stampa per stampare il contenuto della variabile result.

3. print_time() non restituisce esplicitamente return un valore, quindi restituisce automaticamente None.

Sfida

Incapsulamento

Compilate gli spazi vuoti per creare una funzione che prenda come argomento un singolo nome di file, carichi i dati nel file indicato e restituisca il valore minimo in quei dati.

PYTHON

import pandas as pd

def min_in_data(____):
    data = ____
    return ____

Soluzione

PYTHON

import pandas as pd

def min_in_data(filename):
    data = pd.read_csv(filename)
    return data.min()

Sfida

Trovare il primo

Riempite gli spazi vuoti per creare una funzione che prenda come argomento un elenco di numeri e restituisca il primo valore negativo dell’elenco. Cosa fa la funzione se l’elenco è vuoto? E se l’elenco non contiene numeri negativi?

PYTHON

def first_negative(values):
    for v in ____:
        if ____:
            return ____

Soluzione

PYTHON

def first_negative(values):
    for v in values:
        if v < 0:
            return v

Se a questa funzione viene passata una lista vuota o una lista con tutti valori positivi, essa restituisce None:

PYTHON

my_list = []
print(first_negative(my_list))

OUTPUT

None

Sfida

Chiamato per nome

Prima abbiamo visto questa funzione:

PYTHON

def print_date(year, month, day):
    joined = str(year) + '/' + str(month) + '/' + str(day)
    print(joined)

Abbiamo visto che possiamo chiamare la funzione usando argomenti con nome, in questo modo:

PYTHON

print_date(day=1, month=2, year=2003)

1. Che cosa stampa print_date(day=1, month=2, year=2003)?
2. Quando avete visto una chiamata di funzione come questa?
3. Quando e perché è utile chiamare le funzioni in questo modo?

Soluzione

1. 2003/2/1
2. Abbiamo visto esempi di utilizzo di argomenti con nome quando lavoravamo con la libreria pandas. Per esempio, quando si legge un set di dati usando data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country'), l’ultimo argomento index_col è un argomento con nome.
3. L’uso di argomenti con nome può rendere il codice più leggibile, poiché dalla chiamata di funzione si può vedere quale nome hanno i diversi argomenti all’interno della funzione. Inoltre, può ridurre le possibilità di passare gli argomenti nell’ordine sbagliato, poiché utilizzando argomenti con nome l’ordine non ha importanza.

Sfida

Incapsulamento di un blocco If/Stampa

Il codice seguente viene eseguito su una stampante di etichette per uova di gallina. Una bilancia digitale comunica al computer la massa di un uovo (in grammi) e il computer stampa un’etichetta.

PYTHON

import random
for i in range(10):

     # simulazione della massa di un uovo di gallina
    # la massa (casuale) sarà di 70 ± 20 grammi
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass)

    # il sistema di classificazione stampa un'etichetta
    if mass >= 85:
        print("jumbo")
    elif mass >= 70:
        print("large")
    elif mass < 70 and mass >= 55:
        print("medium")
    else:
        print("small")

Il blocco if che classifica le uova potrebbe essere utile in altre situazioni, quindi per evitare di ripeterlo, potremmo ripiegarlo in una funzione, get_egg_label(). Rivedendo il programma per utilizzare la funzione si otterrebbe questo:

PYTHON

# revised version
import random
for i in range(10):

     # simulazione della massa di un uovo di gallina
    # la massa (casuale) sarà di 70 ± 20 grammi
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass, get_egg_label(mass))

1. Creare una definizione di funzione per get_egg_label() che funzioni con il programma rivisto sopra. Si noti che il valore di ritorno della funzione get_egg_label() sarà importante. L’esempio di output del programma precedente sarebbe 71.23 large.
2. Un uovo sporco potrebbe avere una massa superiore a 90 grammi e un uovo rovinato o rotto probabilmente avrà una massa inferiore a 50 grammi. Modificare la funzione get_egg_label() per tenere conto di queste condizioni di errore. Un esempio di output potrebbe essere 25 too light, probably spoiled.

Soluzione

PYTHON

def get_egg_label(mass):
    # Il sistema di classificazione delle uova stampa un’etichetta.
    egg_label = "Unlabelled"
    if mass >= 90:
        egg_label = "warning: egg might be dirty"
    elif mass >= 85:
        egg_label = "jumbo"
    elif mass >= 70:
        egg_label = "large"
    elif mass < 70 and mass >= 55:
        egg_label = "medium"
    elif mass < 50:
        egg_label = "too light, probably spoiled"
    else:
        egg_label = "small"
    return egg_label

Sfida

Analisi dei dati incapsulati

Si supponga che sia stato eseguito il seguente codice:

PYTHON

import pandas as pd

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col=0)
japan = data_asia.loc['Japan']

1. Completare le affermazioni seguenti per ottenere il PIL medio del Giappone negli anni riportati per il 1980.

PYTHON

year = 1983
gdp_decade = 'gdpPercap_' + str(year // ____)
avg = (japan.loc[gdp_decade + ___] + japan.loc[gdp_decade + ___]) / 2

2. Astrarre il codice precedente in un’unica funzione.

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_'+___+'.csv',delimiter=',',index_col=0)
    ____
    ____
    ____
    return avg

3. Come generalizzereste questa funzione se non sapeste in anticipo quali anni specifici sono presenti come colonne nei dati? Per esempio, se avessimo anche i dati degli anni che terminano con 1 e 9 per ogni decennio? (Suggerimento: utilizzate le colonne per filtrare quelle che corrispondono al decennio, invece di enumerarle nel codice)

Soluzione

1. Il PIL medio del Giappone negli anni riportati per gli anni ’80 è calcolato con:

PYTHON

year = 1983
gdp_decade = 'gdpPercap_' + str(year // 10)
avg = (japan.loc[gdp_decade + '2'] + japan.loc[gdp_decade + '7']) / 2

2. che codifica come funzione è:

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_' + continent + '.csv', index_col=0)
    c = data_countries.loc[country]
    gdp_decade = 'gdpPercap_' + str(year // 10)
    avg = (c.loc[gdp_decade + '2'] + c.loc[gdp_decade + '7'])/2
    return avg

3. Per ottenere la media degli anni in questione, è necessario eseguire un ciclo su di essi:

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_' + continent + '.csv', index_col=0)
    c = data_countries.loc[country]
    gdp_decade = 'gdpPercap_' + str(year // 10)
    total = 0.0
    num_years = 0
    for yr_header in c.index: # c's index contains reported years
        if yr_header.startswith(gdp_decade):
            total = total + c.loc[yr_header]
            num_years = num_years + 1
    return total/num_years

La funzione può ora essere chiamata da:

PYTHON

avg_gdp_in_decade('Japan','asia',1983)

OUTPUT

20880.023800000003

Sfida

Simulazione di un sistema dinamico

In matematica, un sistema dinamico è un sistema in cui una funzione descrive la dipendenza temporale di un punto in uno spazio geometrico. Un esempio canonico di sistema dinamico è la mappa logistica, un modello di crescita che calcola una nuova densità di popolazione (tra 0 e 1) in base alla densità attuale. Nel modello, il tempo assume valori discreti 0, 1, 2, …

1. Definire una funzione chiamata logistic_map che prende due input: x, che rappresenta la popolazione attuale (al tempo t), e un parametro r = 1. Questa funzione deve restituire un valore che rappresenta lo stato del sistema (popolazione) al tempo t + 1, utilizzando la funzione di mappatura:

f(t+1) = r * f(t) * [1 - f(t)]

2. Utilizzando un ciclo for o while, iterare la funzione logistic_map definita nella parte 1, partendo da una popolazione iniziale di 0,5, per un periodo di tempo t_final = 10. Memorizzate i risultati intermedi in una lista, in modo da accumulare, al termine del ciclo, una sequenza di valori che rappresentano lo stato della mappa logistica al tempo t = [0,1,...,t_final] (11 valori in totale). Stampate questo elenco per vedere l’evoluzione della popolazione.

3. Incapsulate la logica del vostro ciclo in una funzione chiamata iterate che prende la popolazione iniziale come primo input, il parametro t_final come secondo input e il parametro r come terzo input. La funzione deve restituire un elenco di valori che rappresentano lo stato della mappa logistica al tempo t = [0,1,...,t_final]. Eseguire la funzione per i periodi t_final = 100 e 1000 e stampare alcuni dei valori. La popolazione sta tendendo verso uno stato stazionario?

Soluzione

PYTHON

def logistic_map(x, r):
    return r * x * (1 - x)

PYTHON

initial_population = 0.5
t_final = 10
r = 1.0
population = [initial_population]

for t in range(t_final):
    population.append( logistic_map(population[t], r) )

PYTHON

def iterate(initial_population, t_final, r):
    population = [initial_population]
    for t in range(t_final):
        population.append( logistic_map(population[t], r) )
    return population

for period in (10, 100, 1000):
    population = iterate(0.5, period, 1)
    print(population[-1])

OUTPUT

0.06945089389714401
0.009395779870614648
0.0009913908614406382

La popolazione sembra avvicinarsi allo zero.

Richiamo

Utilizzo di funzioni con condizionali in Pandas

Le funzioni contengono spesso dei condizionali. Ecco un breve esempio che indica in quale quartile si trova l’argomento in base ai valori codificati a mano per i punti di taglio del quartile.

PYTHON

def calculate_life_quartile(exp):
    if exp < 58.41:
        # Questo si trova nel primo quartile
        return 1
    elif exp >= 58.41 and exp < 67.05:
        # Questo si trova nel secondo quartile
       return 2
    elif exp >= 67.05 and exp < 71.70:
        # Questo si trova nel terzo quartile
       return 3
    elif exp >= 71.70:
        # Questo si trova nel quartp quartile
       return 4
    else:
        # Questo deriva da brutti dati
       return None

calculate_life_quartile(62.5)

OUTPUT

2

Questa funzione verrebbe tipicamente utilizzata all’interno di un ciclo for, ma Pandas ha un modo diverso e più efficiente per fare la stessa cosa, ovvero applicare una funzione a un dataframe o a una parte di esso. Ecco un esempio, utilizzando la definizione precedente.

PYTHON

data = pd.read_csv('data/gapminder_all.csv')
data['life_qrtl'] = data['lifeExp_1952'].apply(calculate_life_quartile)

C’è molto in questa seconda riga, quindi esaminiamola pezzo per pezzo. Sul lato destro di = iniziamo con data['lifeExp'], che è la colonna del dataframe chiamata dataetichettata lifExp. Utilizziamo la apply() per fare ciò che dice, applicare la calculate_life_quartile al valore di questa colonna per ogni riga del dataframe.

Punti Chiave

• Scomporre i programmi in funzioni per facilitarne la comprensione.
• Definire una funzione usando def con un nome, dei parametri e un blocco di codice.
• Definire una funzione non la esegue.
• Gli argomenti di una chiamata di funzione sono abbinati ai suoi parametri definiti.
• Le funzioni possono restituire un risultato al chiamante usando return.

Content from Ambito della variabile

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come funzionano le chiamate di funzione?
• Come posso determinare dove si sono verificati gli errori?

Obiettivi

• Identificare le variabili locali e globali.
• Identificare i parametri come variabili locali.
• Leggere un traceback e determinare il numero di file, funzione e riga in cui si è verificato l’errore, il tipo di errore e il messaggio di errore.

L’ambito di una variabile è la parte del programma che può “vedere” quella variabile.

---

• Ci sono solo tanti nomi sensati per le variabili.
• Le persone che usano le funzioni non dovrebbero preoccuparsi dei nomi delle variabili usati dall’autore della funzione.
• Chi scrive funzioni non dovrebbe preoccuparsi di quali nomi di variabili usa il chiamante della funzione.
• La parte di un programma in cui una variabile è visibile è chiamata il suo scope.

PYTHON

pressure = 103.9

def adjust(t):
    temperature = t * 1.43 / pressure
    return temperature

• pressure è una variabile globale.
  • Definita al di fuori di una particolare funzione.
  • Visibile ovunque.
• t e temperature sono variabili locali in adjust.
  • Definita nella funzione.
  • Non visibile nel programma principale.
  • Ricordate: un parametro di funzione è una variabile a cui viene automaticamente assegnato un valore quando la funzione viene chiamata.

PYTHON

print('adjusted:', adjust(0.9))
print('temperature after call:', temperature)

OUTPUT

adjusted: 0.01238691049085659

ERRORE

Traceback (most recent call last):
  File "/Users/swcarpentry/foo.py", line 8, in <module>
    print('temperature after call:', temperature)
NameError: name 'temperature' is not defined

Discussione

Uso delle variabili locali e globali

Traccia i valori di tutte le variabili di questo programma durante la sua esecuzione. (Usare ‘—’ come valore delle variabili prima e dopo la loro esistenza)

PYTHON

limit = 100

def clip(value):
    return min(max(0.0, value), limit)

value = -22.5
print(clip(value))

Sfida

Lettura dei messaggi di errore

Leggete il traceback qui sotto e identificate quanto segue:

1. Quanti livelli ha il traceback?
2. Qual è il nome del file in cui si è verificato l’errore?
3. Qual è il nome della funzione in cui si è verificato l’errore?
4. Su quale numero di riga di questa funzione si è verificato l’errore?
5. Qual è il tipo di errore?
6. Qual è il messaggio di errore?

ERRORE

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-2-e4c4cbafeeb5> in <module>()
      1 import errors_02
----> 2 errors_02.print_friday_message()

/Users/ghopper/thesis/code/errors_02.py in print_friday_message()
     13
     14 def print_friday_message():
---> 15     print_message("Friday")

/Users/ghopper/thesis/code/errors_02.py in print_message(day)
      9         "sunday": "Aw, the weekend is almost over."
     10     }
---> 11     print(messages[day])
     12
     13

KeyError: 'Friday'

Soluzione

1. Tre livelli.
2. errors_02.py
3. print_message
4. Riga 11
5. KeyError. Questi errori si verificano quando si cerca di cercare una chiave che non esiste (di solito in una struttura di dati come un dizionario). Per maggiori informazioni su KeyError e su altre eccezioni integrate, consultare i Python docs.
6. KeyError: 'Friday'

Punti Chiave

• L’ambito di una variabile è la parte del programma che può “vedere” quella variabile.

Content from Stile di programmazione

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come posso rendere i miei programmi più leggibili?
• Come la maggior parte dei programmatori formatta il proprio codice?
• Come possono i programmi controllare il proprio funzionamento?

Obiettivi

• Fornire valide giustificazioni per le regole di base dello stile di codifica.
• Riformulare i programmi di una pagina per renderli più leggibili e giustificare le modifiche.
• Utilizzare gli standard di codifica della comunità Python (PEP-8).

Stile di codifica

---

Uno stile di codifica coerente aiuta gli altri (compresi noi nel futuro) a leggere e capire il codice più facilmente. Il codice viene letto molto più spesso di quanto non venga scritto e, come afferma lo Zen of Python, “La leggibilità conta”. Python ha proposto uno stile standard attraverso una delle sue prime Python Enhancement Proposals (PEP), PEP8.

Alcuni punti da evidenziare:

• Documentare il codice e assicurarsi che siano chiare le ipotesi, gli algoritmi interni, gli input e gli output previsti, ecc
• Utilizzare nomi di variabili chiari e semanticamente significativi
• Usare gli spazi bianchi, non le tabulazioni, per indentare le righe (le tabulazioni possono causare problemi in diversi editor di testo, sistemi operativi e sistemi di controllo delle versioni)

Seguire lo stile standard di Python nel codice.

---

• PEP8: una guida allo stile di Python che tratta argomenti come il nome delle variabili, l’indentazione del codice, la struttura delle dichiarazioni import, ecc. L’adesione al PEP8 facilita la lettura e la comprensione del codice da parte degli altri sviluppatori Python, che possono così capire come dovrebbero essere i loro contributi.
• Per verificare la conformità del codice alla PEP8, si può usare l’applicazione pycodestyle e strumenti come black code formatter possono formattare automaticamente il codice in modo da renderlo conforme alla PEP8 e a pycodestyle (esiste anche un formattatore per Jupyter notebooks nb_black).
• Alcuni gruppi e organizzazioni seguono linee guida di stile diverse dalla PEP8. Per esempio, la Google style guide on Python contiene raccomandazioni leggermente diverse. Google ha scritto un’applicazione che può aiutare a formattare il codice secondo il suo stile o quello della PEP8, chiamata yapf.
• Per quanto riguarda lo stile di codifica, la chiave è la coerenza. Scegliete uno stile per il vostro progetto, che sia PEP8, lo stile di Google o qualcos’altro, e fate del vostro meglio per assicurarvi che voi e tutti gli altri con cui collaborate lo rispettiate. La coerenza all’interno di un progetto ha spesso un impatto maggiore rispetto al particolare stile utilizzato. Uno stile coerente renderà il vostro software più facile da leggere e da capire per gli altri e per il vostro futuro.

Usare le asserzioni per controllare gli errori interni.

---

Le asserzioni sono un metodo semplice ma potente per assicurarsi che il contesto in cui il codice viene eseguito sia quello previsto.

PYTHON

def calc_bulk_density(mass, volume):
    '''Return dry bulk density = powder mass / powder volume.'''
    assert volume > 0
    return mass / volume

Se l’asserzione è False, l’interprete Python solleva un’eccezione di runtime AssertionError. Il codice sorgente dell’espressione fallita viene visualizzato come parte del messaggio di errore. Per ignorare le asserzioni nel codice, eseguire l’interprete con lo switch ‘-O’ (optimize). Le asserzioni devono contenere solo semplici controlli e non devono mai modificare lo stato del programma. Ad esempio, un’asserzione non dovrebbe mai contenere un’assegnazione.

Usare i docstring per fornire un aiuto integrato.

---

Se la prima cosa in una funzione è una stringa di caratteri non assegnata direttamente a una variabile, Python la allega alla funzione, accessibile tramite la funzione di aiuto integrata. Questa stringa che fornisce la documentazione è nota anche come docstring.

PYTHON

def average(values):
    "estituisce la media dei valori, oppure None se non vengono forniti valori."

    if len(values) == 0:
        return None
    return sum(values) / len(values)

help(average)

OUTPUT

Help on function average in module __main__:

average(values)
    Return average of values, or None if no values are supplied.

Richiamo

Stringhe multilinea

Spesso si usano stringhe multilinee per la documentazione. Queste iniziano e finiscono con tre caratteri di virgolette (singole o doppie) e terminano con tre caratteri corrispondenti.

PYTHON

"""This string spans
multiple lines.

Blank lines are allowed."""

Discussione

Cosa verrà mostrato?

Evidenziate le righe del codice sottostante che saranno disponibili come guida in linea. Ci sono righe che dovrebbero essere rese disponibili, ma non lo saranno? Alcune linee produrranno un errore di sintassi o un errore di runtime?

PYTHON

"Find maximum edit distance between multiple sequences."
# Questa parte trova il massimo della distanza tra sequenze

def overall_max(sequences):
    '''Determine overall maximum edit distance.'''

    highest = 0
    for left in sequences:
        for right in sequences:
            '''Avoid checking sequence against itself.'''
            if left != right:
                this = edit_distance(left, right)
                highest = max(highest, this)

    # Report.
    return highest

Sfida

Documento questo

Usate i commenti per descrivere e aiutare gli altri a capire sezioni o singole linee di codice potenzialmente poco intuitive. Sono particolarmente utili a chiunque abbia bisogno di capire e modificare il codice in futuro, compreso voi stessi.

Usate i docstring per documentare gli input accettabili e gli output attesi di un metodo o di una classe, il suo scopo, le assunzioni e il comportamento previsto. I docstring vengono visualizzati quando un utente invoca il metodo incorporato help sul metodo o sulla classe.

Trasformate il commento della funzione seguente in una docstring e verificate che help la visualizzi correttamente.

PYTHON

def middle(a, b, c):
    # Ritorna il valore di mezzo dei tre
    # Assume che i valori possono essere comparati
    values = [a, b, c]
    values.sort()
    return values[1]

Soluzione

PYTHON

def middle(a, b, c):
    '''Ritorna il valore di mezzo dei tre.
    Assume che i valori possono essere comparati.'''
    values = [a, b, c]
    values.sort()
    return values[1]

Sfida

Pulire il codice

1. Leggete questo breve programma e cercate di prevedere cosa fa.
2. Eseguitelo: quanto è accurata la vostra previsione?
3. Riformulare il programma per renderlo più leggibile. Ricordatevi di eseguirlo dopo ogni modifica per assicurarvi che il suo comportamento non sia cambiato.
4. Confrontate la vostra riscrittura con quella del vostro vicino. Che cosa avete fatto di uguale? Cosa avete fatto di diverso e perché?

PYTHON

n = 10
s = 'et cetera'
print(s)
i = 0
while i < n:
    # print('at', j)
    new = ''
    for j in range(len(s)):
        left = j-1
        right = (j+1)%len(s)
        if s[left]==s[right]: new = new + '-'
        else: new = new + '*'
    s=''.join(new)
    print(s)
    i += 1

Soluzione

Ecco una soluzione.

PYTHON

def string_machine(input_string, iterations):
    """
    Riceve una stringa in ingresso (input_string) e crea una nuova stringa formata da trattini (-) e asterischi (*): i trattini indicano caratteri uguali adiacenti, gli asterischi caratteri diversi. La procedura viene ripetuta per il numero di iterazioni indicato.
    """
    print(input_string)
    input_string_length = len(input_string)
    old = input_string
    for i in range(iterations):
        new = ''
        # iterate through characters in previous string
        for j in range(input_string_length):
            left = j-1
            right = (j+1) % input_string_length  # ensure right index wraps around
            if old[left] == old[right]:
                new = new + '-'
            else:
                new = new + '*'
        print(new)
        # store new string as old
        old = new     

string_machine('et cetera', 10)

OUTPUT

et cetera
*****-***
----*-*--
---*---*-
--*-*-*-*
**-------
***-----*
--**---**
*****-***
----*-*--
---*---*-

Punti Chiave

• Seguire lo stile standard di Python nel codice.
• Usare i docstring per fornire un aiuto incorporato.

Content from Avvolte

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Cosa abbiamo imparato?
• Cos’altro c’è là fuori e dove posso trovarlo?

Obiettivi

• Nominare e localizzare i siti della comunità scientifica di Python per software, workshop e assistenza.

Leslie Lamport una volta disse: “La scrittura è il modo in cui la natura ti mostra quanto sia sciatto il tuo pensiero” Lo stesso vale per la programmazione: molte cose che sembrano ovvie quando ci pensiamo si rivelano tutt’altro quando dobbiamo spiegarle con precisione.

Python supporta una comunità ampia e diversificata nel mondo accademico e industriale.

---

• La documentazione di Python 3 copre il nucleo del linguaggio e la libreria standard.

• PyCon è la più grande conferenza annuale della comunità Python.

• SciPy è una ricca collezione di utilità scientifiche. È anche il nome di una serie di conferenze annuali.

• Jupyter è la sede del Progetto Jupyter.

• Pandas è la sede della libreria di dati Pandas.

• Stack Overflow sezione generale su Python può essere utile, così come le sezioni su NumPy, SciPy e Pandas.

Punti Chiave

• Python supporta una comunità ampia e diversificata nel mondo accademico e industriale.

Content from Feedback

---

Ultimo aggiornamento il 2025-11-06 | Modifica questa pagina

Panoramica

Domande

• Come è andato il corso?

Obiettivi

• Raccogliere il feedback sul corso.

Raccogliere il feedback dei partecipanti.

Punti Chiave

• Cerchiamo costantemente di migliorare questo corso.