Metodi utili delle Series

s.describe() genera un riepilogo statistico con una sola chiamata: conteggio, media, deviazione standard, minimo, 25° percentile (Q1), mediana (Q2), 75° percentile (Q3) e massimo. Per le Series di stringhe restituisce invece conteggio, valori distinti, valore più frequente e frequenza. È il modo più rapido per farsi un'idea della distribuzione di una colonna durante la prima esplorazione di un dataset.

s.value_counts() restituisce una nuova Series con i valori distinti come indice e il relativo numero di occorrenze come dati, ordinati in modo decrescente per conteggio. Passi normalize=True per ottenere proporzioni anziché conteggi assoluti. È la prima operazione da eseguire su una colonna categoriale per comprenderne la distribuzione.

s.unique() restituisce un array NumPy dei valori distinti nell'ordine della loro prima occorrenza (a differenza di value_counts, che ordina per frequenza). s.nunique() restituisce come intero il numero di valori distinti: la cardinalità della colonna. Entrambi ignorano NaN per impostazione predefinita. Usi nunique(dropna=False) per conteggiare NaN come valore distinto.

s.map() applica una funzione, un dizionario o un'altra Series a ogni elemento. Quando passa un dizionario, ogni valore viene sostituito con il valore corrispondente del dizionario, mentre i valori non presenti nel dizionario diventano NaN. Quando passa una funzione, questa viene applicata elemento per elemento. map è ideale per ricodificare le etichette categoriali o applicare tabelle di ricerca.

s.apply(func) applica un callable Python a ogni elemento e raccoglie i risultati. A differenza di map(), è progettato per funzioni più complesse che possono restituire oggetti non scalari. Per semplici trasformazioni elemento per elemento, preferisca map() o un'espressione vettorializzata; usi apply() quando la logica è troppo complessa per essere vettorializzata direttamente.

s.sort_values() restituisce la Series ordinata in base ai valori dei dati in ordine crescente (passi ascending=False per l'ordine decrescente). s.sort_index() ordina in base alle etichette dell'indice. Per impostazione predefinita, nessuno dei due metodi modifica la Series originale. Passi inplace=True per modificarla sul posto (una scelta meno consigliata nel moderno codice Pandas che concatena le operazioni).

s.isin(values) restituisce una Series booleana con valore True nei punti in cui l'elemento appartiene all'elenco o al set fornito. È più leggibile rispetto a usare più condizioni con | e significativamente più veloce per set di grandi dimensioni. Viene usato comunemente per filtrare le righe appartenenti a un gruppo specifico o per contrassegnare i record corrispondenti a un elenco di ricerca.

s.between(left, right, inclusive='both') restituisce una Series booleana con valore True nei punti in cui il valore rientra nell'intervallo [left, right]. Per impostazione predefinita, entrambi gli estremi sono inclusi. È più conciso rispetto a scrivere (s >= left) & (s <= right) e comunica chiaramente l'intento. È utile per filtrare intervalli numerici, come fasce d'età o fasce di prezzo.

s.head(n) restituisce i primi n elementi (5 per impostazione predefinita) e s.tail(n) restituisce gli ultimi n. Questi metodi vengono usati continuamente durante l'esplorazione dei dati per dare un'occhiata all'inizio e alla fine di una Series lunga senza stampare migliaia di righe. Restituiscono una nuova Series (una porzione), quindi non modificano l'originale.

s.rename('new_name') restituisce una nuova Series con un attributo name diverso. Per rinominare le etichette dell'indice, passi un dict o una funzione: s.rename(index={'old': 'new'}). Rinominare è importante prima di combinare le Series in un DataFrame, perché il name della Series diventa l'intestazione della colonna. Rinomini sempre invece di riassegnare valori grezzi.

s.idxmin() restituisce l'etichetta dell'indice del valore minimo e s.idxmax() restituisce l'etichetta del valore massimo. È più utile di argmin/argmax quando l'indice contiene etichette significative, come date o nomi di prodotti: si ottiene l'identificatore effettivo, non solo un numero di posizione.

In questa lezione ha imparato che: describe() fornisce un riepilogo statistico con una sola chiamata, value_counts() crea una tabella delle frequenze dei valori univoci e map() traduce i valori usando un dict, mentre apply() esegue una funzione personalizzata su ogni elemento. Ora inizieremo a lavorare con i DataFrame, lo strumento bidimensionale fondamentale per l'analisi dei dati con Pandas.