Summary  
This chapter covers Python’s lambda functions—anonymous, single-expression functions defined with the lambda keyword—and demonstrates using them for concise inline operations such as applying transformations to data and filtering rows by index positions with pandas’ iloc.  

General domain of usage  
Data manipulation and analysis

Watch this video to see how `lambda` functions work in Python and how you can use them with pandas for flexible data selection, including practical demonstrations of filtering DataFrames by index using `iloc[]` and `lambda`. This video will help reinforce your understanding with step-by-step examples and real-world data scenarios.

Una funzione `lambda` è una piccola funzione anonima definita con la parola chiave `lambda`. A differenza delle funzioni regolari definite con `def`, una funzione `lambda` non ha nome ed è pensata per logiche brevi e di utilizzo singolo.

Definizione

La sintassi è:
```python
lambda arguments: expression
```

La funzione accetta gli `arguments` e restituisce il risultato dell'`expression`. Alcuni semplici esempi:


double = lambda x: x * 2
print(double(5))  # Returns 10

is_even = lambda x: x % 2 == 0
print(is_even(4))  # Returns True

## Utilizzo di `lambda` con `iloc[]`

In pandas, `iloc[]` normalmente accetta posizioni basate su interi. Tuttavia, è anche possibile passare una funzione `lambda` – in questo caso, `x` si riferisce al DataFrame stesso e `x.index` restituisce i valori degli indici delle righe:
```python
data.iloc[lambda x: x.index < 5]
```

Questo restituisce le prime cinque righe (indici da `0` a `4`). Ecco cosa fa ciascuna parte:

- `lambda x`: definisce una funzione anonima dove `x` è il DataFrame;
- `x.index`: accede ai valori degli indici delle righe;
- `x.index < 5`: condizione di filtraggio; vengono selezionate solo le righe il cui indice è inferiore a `5`.

Il risultato è un array booleano che `iloc[]` utilizza per filtrare le righe.



## Filtraggio per parità dell'indice

Un caso d'uso comune è la suddivisione di un dataset in base a indici pari e dispari. L'operatore modulo `%` restituisce il resto della divisione:

import pandas as pd

# Data import
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/IMDb_Data_final.csv')

# Rows with even indices (0, 2, 4, ...)
even = data.iloc[lambda x: x.index % 2 == 0]
print(even.head())

# Rows with odd indices (1, 3, 5, ...)
odd = data.iloc[lambda x: x.index % 2 != 0]
print(odd.head())

`x.index % 2 == 0` è `True` quando l'indice è divisibile per `2` (pari), e `False` altrimenti.

A cosa si riferisce `x` nel seguente codice?

Questo corso contiene molte funzioni utili per un futuro data analyst. Imparerai diversi modi per estrarre dati e persino impostare condizioni su di essi. Successivamente, conoscerai i metodi di raggruppamento dei dati. Inoltre, apprenderai come preprocessare i dati. Ogni sezione ha il proprio set di dati, rendendo il corso coinvolgente.

Questa sezione ti insegnerà come visualizzare colonne specifiche in base ai loro titoli o indici. Inoltre, verranno illustrate le modalità per selezionare le righe tramite gli indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, imparerai come combinarle e persino crearne di proprie.

In questa sezione, amplierai le tue conoscenze sull'impostazione di diverse condizioni sui dati. Imparerai a verificare se i tuoi dati sono presenti in un elenco definito di valori o compresi tra due valori. Imparerai anche come trovare i valori più grandi e più piccoli.

Questa sezione è una delle più affascinanti del corso. Qui imparerai come raggruppare i dati in diversi modi. Ti aiuterà a lavorare come data analyst per individuare informazioni su specifici gruppi di dati.

Questa sezione è una delle più significative per un data analyst perché, se i dati contengono valori mancanti o in un formato errato, sarà impossibile lavorarci. Pertanto, qui imparerai come gestire tali valori inappropriati.

Apprendimento delle funzioni lambda

Utilizzo di lambda con iloc[]

Filtraggio per parità dell'indice

Utilizzo di `lambda` con `iloc[]`