Summary  
The chapter introduces the two-dimensional DataFrame structure for storing heterogeneous data with labeled rows and columns, and demonstrates how to construct a DataFrame from a dictionary and print it.  

General domain of usage  
Data analysis

Per ricapitolare, una `Series` è una struttura dati **monodimensionale**, simile a una lista o a una colonna in un foglio di calcolo. Contiene dati dello **stesso tipo**, con ogni elemento etichettato da un **indice**.

Al contrario, un `DataFrame` è una struttura **bidimensionale** versatile in Pandas, simile a una tabella o a un foglio di calcolo, con righe e colonne. Può contenere dati di **diversi tipi**, con ogni colonna che funziona come una `Series`. Come un foglio di calcolo, un `DataFrame` include sia un indice che etichette di colonna, rendendolo ideale per gestire grandi set di dati strutturati.

Per creare un oggetto `DataFrame`, è necessario utilizzare un `dictionary` insieme al costruttore `.DataFrame()`.

import pandas as pd
people_data = {'name' : ['Ann', 'Alex', 'Kevin', 'Kate'], 
          'age' : [35, 12, 24, 45]}

people_df = pd.DataFrame(people_data)
print(people_df)

> Nota
>
> Se vuoi indicare esplicitamente che la variabile rappresenta un DataFrame, puoi includere `df` nel nome della variabile, come mostrato in questo esempio (`people_df`).

import unittest
import importlib
import pandas as pd


# Helper function to dynamically generate test names and assertions
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


def get_first_differing_row(expected_df, actual_df):
    expected_list = expected_df.astype(str).apply(tuple, axis=1)
    actual_list = actual_df.astype(str).apply(tuple, axis=1)

    for i, (row1, row2) in enumerate(zip(expected_list, actual_list)):
        if row1 != row2:
            return i, expected_df.iloc[i].values, actual_df.iloc[i].values

    if len(expected_df) > len(actual_df):
        return len(actual_df), expected_df.iloc[len(actual_df)].values, None
    else:
        return len(expected_df), None, actual_df.iloc[len(expected_df)].values


class TestUserCode(unittest.TestCase):

    def test_animals_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'animals'),
            "The `animals` variable is declared.",
            "Expected the `animals` variable to be declared."
        )

    def test_animals_is_dataframe(self):
        import user_code
        try:
            actual_value = user_code.animals
            condition = isinstance(actual_value, pd.DataFrame)
            failure_message = f"Expected `animals` to be a `DataFrame`, but got `{type(user_code.animals).__name__}`."

        except AttributeError:
            condition = False
            failure_message = "The `animals` variable is not declared."

        _dynamic_test(
            self,
            condition,
            "The variable `animals` is a `DataFrame`.",
            failure_message
        )

    def test_animals_is_correct(self):
        import user_code

        expected_data = {
            'animal': ['Cat', 'Dog', 'Parrot', 'Cat', 'Parrot', 'Cat'],
            'name': ['Dolly', 'Abbey', 'Erin', 'Kelly', 'Taffy', 'Odie']
        }
        expected_df = pd.DataFrame(expected_data)

        variable = 'animals'
        actual_df = getattr(user_code, variable, None)
        condition = False
        if actual_df is None:
            failure_message = f"The `{variable}` variable is not declared."
        elif not isinstance(actual_df, pd.DataFrame):
            failure_message = f"`{variable}` is not a `DataFrame`."
        elif actual_df.empty:
            failure_message = f"`{variable}` is empty."
        elif actual_df.equals(expected_df):
            condition = True
            failure_message = None
        else:
            idx, expected_row, actual_row = get_first_differing_row(expected_df, actual_df)
            failure_message = f"Expected `{variable}` to contain `{expected_row}` at row {idx}, but got `{actual_row}`."

        _dynamic_test(
            self,
            condition,
            f"`{variable}` contains the correct data.",
            failure_message
        )


if __name__ == '__main__':
    unittest.main()

test_main.py

Pandas è una libreria estremamente intuitiva per l'analisi dei dati. È anche progettata per gestire grandi set di dati, utilizzando strutture dati come DataFrame e Series. Questo la rende uno strumento inestimabile per la Data Science. In questa guida, ti familiarizzerai con una gamma di funzioni statistiche, tra cui come trovare correlazioni, modali, mediane e valori massimi e minimi all'interno di un set di dati. Imparerai anche come gestire i valori mancanti e manipolare valori specifici, oltre a come rimuoverli.

In questa sezione, esploreremo i fondamenti delle strutture Series e DataFrame. Imparerai anche le differenze tra questi due tipi di strutture.

I dati possono essere ottenuti in vari formati, come CSV, JSON, SQL, HTML e altri. Con Pandas, non sei limitato a un solo formato: puoi lavorare con dati provenienti da una moltitudine di tipi di file. In questo capitolo, ci concentreremo specificamente sui formati CSV e TXT.

Qui, imparerai come elaborare i dati grezzi rimuovendo le informazioni superflue e gestendo i valori nulli in un dataset.

DataFrame

Soluzione

Awesome!

DataFrame

Soluzione

Awesome!