Cerchiamo di fare altri esempi di utilizzo dei DataFames con importando altri file csv da analizzare con Pandas. L’indice di questa guida è disponibile a questo link: https://computer4dummy.altervista.org/programmazione-guide-alla-programmazione/python-data-analisi/panda-per-python/

Passeggeri della International airline

Nel file che andremo ad analizzare sono registrati i viaggiatori mensili da gennaio 1949 a dicembre 1960 (in migliaia) che hanno volato con la compagnia International Airline.

Il file di esempio è scaricabile dal GitHub: https://github.com/Amply666/Computer4Dummy/blob/master/programmazione-guide-alla-programmazione/python-data-analisi/panda-per-python/international-airline-passengers.csv

Importiamo il file con la funzione read_csv().

import pandas as pd

df = pd.read_csv("international-airline-passengers.csv", engine="python", skipfooter=2)

Vediamo i due parametri aggiuntivi che abbiamo passato alla funzione:

• engine=”python” è la tipologia di “motore” utilizzata, il motore in “C” è più veloce mentre il motore scritto in python è più completo.
• skipfooter=2 indica il numero di righe che non vengono considerate dal fondo del file. (Questa opzione non è disponibile se si utilizza l’engine = “C”).

Maggiori dettagli alla pagina ufficiale: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

Nomi delle colonne

Le intestazioni delle colonne del nostro file sono piuttosto lunghe e scomode da usare.

df.columns
Out[15]: Index([u'Month', u'International airline passengers: monthly totals in thousands. Jan 49 ? Dec 60'], dtype='object')

Per ridefinire quindi i titoli basta passarli in una lista cosi’:

df.columns = ["mese", "passeggeri"]

df.columns
Out[17]: Index([u'mese', u'passeggeri'], dtype='object')

A questo punto è facilmente selezionabile la colonna passando il nome della colonna che vogliamo visualizzare:

df['passeggeri']
Out[21]: 
0      112
1      118
2      132
3      129
4      121
5      135
.      ...
139    606
140    508
141    461
142    390
143    432
Name: passeggeri, Length: 144, dtype: int64

Un altro metodo per selezionare i dati di una colonna è passare il nome subito dopo la variabile.

df.passeggeri

Il risultato è esattamente lo stesso con l’unica differenza che questo metodo con l’intestazione originale, che comprendeva spazi e caratteri speciali non avrebbe funzionato.

Aggiungere una colonna

Ora vediamo come aggiungere una colonna dopo la colonna che abbiamo rinominato “passeggeri”.

df['uno'] = 1

df.head()
Out[24]: 
      mese  passeggeri  uno
0  1949-01         112    1
1  1949-02         118    1
2  1949-03         132    1
3  1949-04         129    1
4  1949-05         121    1