Operazioni vettorializzate sulle Series

Come NumPy, le Series Pandas supportano operazioni vettorializzate che applicano operazioni aritmetiche, confronti e funzioni a ogni elemento senza ricorrere a cicli Python. Questo garantisce concisione e velocità. Internamente, ogni operazione delega l'elaborazione alle routine a livello C di NumPy, ma Pandas aggiunge un vantaggio fondamentale: l'allineamento automatico degli indici prima di eseguire l'operazione.

Quando si sommano, sottraggono, moltiplicano o dividono due Series, Pandas le allinea prima in base all'etichetta di indice. Solo le posizioni in cui entrambe le Series hanno un'etichetta producono un risultato; alle etichette non corrispondenti viene assegnato NaN. Questo comportamento previene gli errori nascosti dovuti a dati non allineati, ad esempio quando si sommano i dati di gennaio provenienti da due fonti memorizzate in ordini diversi.

Per evitare la propagazione di NaN nelle operazioni con dati non allineati, usi i metodi aritmetici come .add(), .sub(), .mul() e .div() con il parametro fill_value=. Questo sostituisce con un valore specificato ogni etichetta assente in una delle Series prima di eseguire l'operazione: generalmente 0 per l'addizione e 1 per la moltiplicazione.

L'aritmetica con uno scalare applica l'operazione a ogni elemento e produce una nuova Series con lo stesso indice. È la forma più semplice di vettorializzazione: s + 5, s * 100, s ** 2. L'aritmetica scalare non introduce mai NaN e viene usata per la conversione delle unità, la normalizzazione e l'applicazione di offset alle serie temporali.

Le ufunc di NumPy funzionano perfettamente sulle Series Pandas e restituiscono una Series con lo stesso indice. Ciò significa che può chiamare direttamente np.sqrt(s), np.log1p(s) o np.exp(s) su una Series senza prima convertirla in un array. Il risultato è una nuova Series che conserva le etichette originali.

Gli operatori di confronto (==, !=, >, <, >=, <=) restituiscono elemento per elemento una Series booleana. Sono gli elementi fondamentali del filtraggio: passi la Series booleana a .loc per selezionare le righe corrispondenti. Pandas esegue inoltre l'allineamento in base all'indice quando confronta due Series.

Poiché ogni operazione restituisce una nuova Series, è possibile concatenare più trasformazioni in un'unica espressione. Il codice risulta leggibile e non richiede la creazione di variabili intermedie non necessarie. Per pipeline complesse, suddivida la catena su più righe usando le parentesi. La concatenazione è l'equivalente Pandas della programmazione funzionale con dati immutabili.

NaN è contagioso: qualsiasi operazione aritmetica che coinvolga NaN produce NaN. Usi s.fillna(value) per sostituirlo prima dell'operazione oppure il parametro skipna=True nei metodi di aggregazione. La funzione pd.isna(s) restituisce una Series booleana che segnala le posizioni contenenti NaN: la usi per verificare i dati prima di calcolare le statistiche.

Le Series Pandas espongono direttamente molti metodi simili a quelli di NumPy: s.abs(), s.clip(lower, upper) e s.round(decimals) restituiscono tutti nuove Series con la trasformazione applicata elemento per elemento. Sono equivalenti alle chiamate alle ufunc di NumPy, ma usano la sintassi dei metodi e conservano l'indice e il nome della Series.

s.pct_change() calcola la variazione percentuale tra elementi consecutivi: (corrente - precedente) / precedente. Il primo elemento è NaN perché non esiste un valore precedente. È l'operazione standard per calcolare i tassi di crescita mese su mese, i rendimenti giornalieri in finanza e le feature di variazione per i modelli di serie temporali.

s.cumsum() restituisce una Series dei totali progressivi, mentre s.cumprod() restituisce i prodotti progressivi. Vengono usati per calcolare ricavi cumulativi, rendimenti composti degli investimenti o conteggi progressivi delle parole. Conservano le etichette dell'indice originale, facilitando la rappresentazione della serie cumulativa nel tempo o per categoria.

In questa lezione ha imparato che: gli operatori aritmetici si applicano elemento per elemento alle Series senza usare cicli, Pandas allinea automaticamente due Series in base all'etichetta di indice prima di eseguire l'operazione, inserendo NaN nelle posizioni non corrispondenti e metodi come fill_value, pct_change e cumsum estendono le operazioni vettorializzate per le attività analitiche. Ora esamineremo metodi utili delle Series, come describe, value_counts e map, per ottenere rapidamente riepiloghi.