Skip to main content
UploadLanguage (EN)Support
BusinessMobileSocial MediaMarketingTechnologyArt & PhotosCareerDesignEducationPresentations & Public SpeakingGovernment & NonprofitHealthcareInternetLawLeadership & ManagementAutomotiveEngineeringSoftwareRecruiting & HRRetailSalesServicesScienceSmall Business & EntrepreneurshipFoodEnvironmentEconomy & FinanceData & AnalyticsInvestor RelationsSportsSpiritualNews & PoliticsTravelSelf ImprovementReal EstateEntertainment & HumorHealth & MedicineDevices & HardwareLifestyle
Studiabo, profile picture
Uploaded byStudiabo
162 views

Data mining 03-stutturedatibuiltin

Il documento descrive un corso di Python e R per il data mining, incentrato sulle strutture dati di base come liste, dizionari e tuple, e sulle operazioni fatte con esse. Vengono presentati esempi pratici di assegnazione, slicing e metodi di manipolazione delle strutture dati. Inoltre, il corso include anche l'uso di array tramite il modulo NumPy e metodi statistici applicabili.

Software◦
Download to read offline
Corso Python e R per Data Mining giugno - luglio 2017 Strutture dati di base LISTE
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’
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
[ 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
[ 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
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
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
Assegnazione di valore ad un elemento LIS1 [ 3 ] = 500 assegna al quarto elemento della lista il valore 500
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.
LEZIONE 1.. www.fordatascientist.org B00-PyBase B05-Data-Structures-Liste
Corso Python e R per Data Mining giugno - luglio 2017 Strutture dati di base TUPLE
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
Metodi di un oggetto tupla .index .count Ricerca Per estrarre la posizione di un valore e per contare i valori
Corso Python e R per Data Mining giu-lug 2017 PYTHON BASE Strutture dati di base: DIZIONARI
[ 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
Estrazione LIS1 [3] LIS1 [1:3] LIS1 [:3] DIZIONARIO Estrazione DIZ1 [‘201508’] LISTA
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
LEZIONE 1.. www.fordatascientist.org B00-PyBase B31-Data-Structures-Builtin
Corso Python e R per Data Mining giu-lug 2017 PYTHON BASE Slicing di oggetti iterabili
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
LEZIONE 1.. www.fordatascientist.org B00-PyBase B36-Slicing-Iterable.ipynb
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
Corso Python e R per Data Mining giu-lug 2017 PYTHON BASE Strutture dati ARRAY
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
LEZIONE 1.. www.fordatascientist.org B00-PyBase B32-Data-Structures-Other
CONTATTI TELEFONO 051 22 35 20 EMAIL WORKSHOP@VICEM.IT