# Python Analytics - Analisi avanzata e ML (Data Analytics) > groupby, merge, pivot_table, apply/map, Plotly, Scikit-Learn (regressione, classificazione, clustering), train/test split, metriche, Jupyter, Google Colab - 20 domande da colloquio - Senior - [Domande da colloquio: Data Analytics](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio.md) ## 1. Qual è la principale differenza tra i metodi apply() e map() su una Series di Pandas? **Risposta** Il metodo map() è progettato per mappare ogni valore in una Series a un nuovo valore tramite un dizionario o una funzione, e funziona solo su Series. Al contrario, apply() è più flessibile: può applicare una funzione elemento per elemento su una Series o riga per riga / colonna per colonna su un DataFrame. Per trasformazioni semplici valore per valore su una Series, map() è generalmente più veloce e più leggibile. ## 2. Quale metodo Pandas si dovrebbe usare per aggregare dati con più funzioni di aggregazione su colonne diverse simultaneamente? **Risposta** Il metodo agg() (o aggregate()) permette di applicare diverse funzioni di aggregazione a diverse colonne in una singola operazione. Accetta un dizionario dove le chiavi sono i nomi delle colonne e i valori sono le funzioni da applicare. Questo approccio è più efficiente e leggibile rispetto al concatenare più chiamate groupby con funzioni individuali. ## 3. Qual è la differenza tra merge() e join() in Pandas? **Risposta** merge() è una funzione più flessibile che unisce due DataFrame su colonne specifiche utilizzando i parametri on, left_on/right_on, o gli indici. join() è un metodo di DataFrame che unisce sugli indici per default ed è più conciso per join semplici basati su indici. Per join complessi su colonne non-indice, merge() è preferibile poiché offre più controllo sulle colonne di join. ## Altre 17 domande disponibili - Come creare una pivot table con pivot_table() specificando più funzioni di aggregazione? - Qual è lo scopo di transform() in un contesto groupby() rispetto ad apply()? Registrati gratis: https://sharpskill.dev/it/login ## Altri argomenti di colloquio Data Analytics - [Google Sheets - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-basics.md): 20 domande, Junior - [Google Sheets - Formule avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-advanced.md): 20 domande, Junior - [SQL - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-basics.md): 25 domande, Junior - [SQL - Aggregazioni e raggruppamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-aggregations.md): 20 domande, Junior - [SQL - Join](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-joins.md): 20 domande, Junior - [BigQuery - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/bigquery-fundamentals.md): 20 domande, Junior - [Data Cleaning - Pulizia dei dati](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-cleaning.md): 20 domande, Junior - [KPI e metriche di business](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/kpis-metrics.md): 20 domande, Junior - [Statistica descrittiva](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/descriptive-statistics.md): 20 domande, Junior - [Zapier e automazione No-Code](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/zapier-automation.md): 20 domande, Junior - [Principi di data visualization](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-viz-principles.md): 20 domande, Junior - [Python & Pandas - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/python-pandas-basics.md): 20 domande, Junior - [Google Sheets - Dashboard automatizzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/google-sheets-dashboards.md): 20 domande, Mid-Level - [SQL - Subquery e CTE](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-subqueries-ctes.md): 20 domande, Mid-Level - [SQL - Window Functions](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-window-functions.md): 20 domande, Mid-Level - [BigQuery - Funzionalità avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/bigquery-advanced.md): 20 domande, Mid-Level - [Data Modeling](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/data-modeling.md): 20 domande, Mid-Level - [Analisi di funnel e conversione](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/funnel-analysis.md): 20 domande, Mid-Level - [Analisi delle coorti e retention](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/cohort-retention.md): 20 domande, Mid-Level - [Google Tag Manager e tracking](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/gtm-tracking.md): 20 domande, Mid-Level - [API e webhook](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/apis-webhooks.md): 20 domande, Mid-Level - [dbt - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/dbt-fundamentals.md): 20 domande, Mid-Level - [AB Testing e statistica applicata](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/ab-testing.md): 20 domande, Mid-Level - [Looker Studio (Google Data Studio)](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/looker-studio.md): 20 domande, Mid-Level - [Power BI - Fondamenti](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/power-bi-fundamentals.md): 20 domande, Mid-Level - [SQL - Query analitiche avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-advanced-analytics.md): 20 domande, Senior - [dbt - Funzionalità avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/dbt-advanced.md): 20 domande, Senior - [Power BI - DAX e dashboard avanzate](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/power-bi-dax.md): 20 domande, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/python-analytics-advanced