Terza lezione del corso Python e R per Data Mining

1. Corso Python e R per Data Mining
giugno - luglio 2017
Strutture dati di base
LISTE

2. COME
ORGANIZ-
ZARE I
DATI
100 324.3 ‘Italia’
533 ‘FRA’ ‘Oggi è
una bella giornata’
54.5 True 57 987
False ‘DEU’
‘config.py’

3. CONSIDERIAMO UNA SERIE STORICA MENSILE
maggio 2015 125.6
giugno 2015 128.3
luglio 2015 132.9
agosto 2015 133.1
settembre 2015 135.5
ottobre 2015 135.2
novembre 2015 138.6

4. [
125.6,
128.3,
132.9,
133.1,
135.5,
135.2,
138.6
]
DIZIONARIO
{
’201501’ : 125.6,
‘201506’ : 128.3,
‘201507’ : 132.9,
‘201508’ : 133.1 ,
‘201509’ : 135.5,
‘201510’ : 135.2,
‘201511’ : 138.6
}
LISTA

5. [
125.6,
128.3,
132.9,
133.1,
135.5,
135.2,
138.6
]
DIZIONARIO
{
’201501’ : 125.6,
‘201506’ : 128.3,
‘201507’ : 132.9,
‘201508’ : 133.1 ,
‘201509’ : 135.5,
‘201510’ : 135.2,
‘201511’ : 138.6
}
LISTA
posizione 0
posizione 1
posizione 2
posizione 3
posizione 4
posizione 5
posizione 6
chiave
chiave
chiave
chiave
chiave
chiave
chiave

6. Assegnazione
LIS1 = [ 125.6, 128.3,
132.9, 133.1, 135.5,
135.2, 138.6 ]
DIZIONARIO
Assegnazione
DIZ1 = {
’201501’ : 125.6,
‘201506’ : 128.3,
‘201507’ : 132.9,
‘201508’ : 133.1 ,
‘201509’ : 135.5,
‘201510’ : 135.2,
‘201511’ : 138.6
}
LISTA

7. Slicing di una stringa
Estrazione degli elementi di una lista
LIS1 [ 3 ] estrae il quarto elemento
LIS1 [ 1 : 3 ] estrae dal secondo al terzo elemento
LIS1 [ : 3] estrae tutti gli elementi fino al terzo

8. Assegnazione di valore ad un elemento
LIS1 [ 3 ] = 500
assegna al quarto elemento della lista il
valore 500

9. Metodi di un oggetto list (lavorano inplace)
.append
.extend
.insert
Inserimento
.remove
.pop
Cancellazione
.index
.count
Ricerca
.sort
.reverse
Ordinamento
Per estrarre la
posizione di un
valore e per contare i
valori
Per aggiungere in
coda un valore o una
lista; un aggiungere
un valore in una
posizione
Per rimuovere un
valore o una
posizione
Per ordinare la lista e
per ricollocare gli
elementi in ordine
inverso.

10. LEZIONE 1..
www.fordatascientist.org
B00-PyBase
B05-Data-Structures-Liste

11. Corso Python e R per Data Mining
giugno - luglio 2017
Strutture dati di base
TUPLE

12. L =[ 125.6, 128.3, …
132.9 ]
Contiene elementi modificabili,
omogenei .
TUPLA
T= (10, 32, 11)
Contiene elementi inamovibili,
non omogenei, che assumono
significato sulla base della loro
posizione
LISTA

13. Metodi di un oggetto tupla
.index
.count
Ricerca
Per estrarre la
posizione di un
valore e per contare i
valori

14. Corso Python e R per Data Mining giu-lug 2017
PYTHON BASE
Strutture dati di base:
DIZIONARI

15. [
125.6,
128.3,
132.9,
133.1,
135.5,
135.2,
138.6
]
DIZIONARIO
{
’201501’ : 125.6,
‘201506’ : 128.3,
‘201507’ : 132.9,
‘201508’ : 133.1 ,
‘201509’ : 135.5,
‘201510’ : 135.2,
‘201511’ : 138.6
}
LISTA
posizione 0
posizione 1
posizione 2
posizione 3
posizione 4
posizione 5
posizione 6
chiave
chiave
chiave
chiave
chiave
chiave
chiave

16. Estrazione
LIS1 [3]
LIS1 [1:3]
LIS1 [:3]
DIZIONARIO
Estrazione
DIZ1 [‘201508’]
LISTA

17. Metodi dell’oggetto dict (lavorano inplace)
.keys()
.values()
.items()
Estrae le chiavi del dizionario e produce una lista
Estrae i valori del dizionario e produce una lista
Estrae gli elementi (tuple di chiave e valore) del
dizionario e produce una lista di tuple
.clear()
.pop()
Cancella tutti gli elementi di un dizionario
Cancella un elemento data la sua chiave
.has_key() Verifica se esiste una chiave

18. LEZIONE 1..
www.fordatascientist.org
B00-PyBase
B31-Data-Structures-Builtin

19. Corso Python e R per Data Mining giu-lug 2017
PYTHON BASE
Slicing
di oggetti iterabili

20. Sintassi di slicing
Slice Comportamento
OBJ [ : ] Tutti gli elementi
OBJ [ i ] Elemento i-esimo
OBJ [ : i ] Elementi 0-(i-esimo -1)
OBJ [ i : ] Elementi (i-esimo) - ultimo
OBJ [ i : j : m] Elementi (i-esimo) - (j-esimo -1), con passo m
OBJ [ i : j ] Elementi (i-esimo) - (j-esimo -1)
OBJ [ - i ] Elemento (i-esimo) calcolato a ritroso partendo dall'ultimo
OBJ [ - i : ] Ultimi (i-esimi) elementi
OBJ [ - i :: m] Ultimi (i-esimi) elementi, con un passo m

21. LEZIONE 1..
www.fordatascientist.org
B00-PyBase
B36-Slicing-Iterable.ipynb

22. A cosa servono le tuple
A= { (‘FRA’,’DEU’,’2015’): 765,
(‘FRA’,’ITA’,’2015’): 234,
(‘FRA’,’USA’,’2015’): 122,
(‘DEU’,’FRA’,’2016’): 975,
(‘DEU’,’ITA’,’2016’): 744,
(‘DEU’,’USA’,’2016’): 865 }
A= {'FRA':{'DEU':{'2015': 765},
'ITA':{'2015': 234},
'USA':{'2015': 122} ,
'DEU':{'FRA':{'2016': 975},
'ITA':{'2016': 744},
'USA':{'2016': 865} }
Nel 2015, la Francia ha esportato verso la Germania 875 milioni di euro; verso l’Italia 234 mln di euro;
verso gli Stati Uniti 122 mln di euro;
Nel 2016, la Germania ha esportato verso la Francia 975 milioni di euro; verso l’Italia 744; verso gli
Stati Uniti 865
A['FRA']['ITA']['2015'] A [ ('FRA','ITA','2015') ]
COSTRUZIONE
ESTRAZIONE

23. Corso Python e R per Data Mining giu-lug 2017
PYTHON BASE
Strutture dati
ARRAY

24. Oggetto array della classe Array del modulo numpy
import numpy
L1=[10, 23, 45, 43, 23, 43, 45, 32, 32, 22]
AR1=numpy.array(L1)
AR1.mean()
AR1.max()
AR1.min()
AR1.std()
31.8
45
10
11.5
Costruzione di un oggetto Array
Metodi statistici di un oggetto Array

25. LEZIONE 1..
www.fordatascientist.org
B00-PyBase
B32-Data-Structures-Other

26. CONTATTI TELEFONO
051 22 35 20
EMAIL
WORKSHOP@VICEM.IT