Python & Pandas - Fondamenti
DataFrame, Series, indicizzazione (loc, iloc), filtraggio booleano, tipi di dati, read_csv, describe, info, head/tail, shape, columns
1Qual è la struttura dati principale di Pandas per memorizzare dati tabulari?
Qual è la struttura dati principale di Pandas per memorizzare dati tabulari?
Risposta
Il DataFrame è la struttura dati centrale di Pandas. Rappresenta una tabella bidimensionale con righe e colonne, simile a un foglio di calcolo o a una tabella SQL. Ogni colonna è una Series, e ogni riga ha un indice. Il DataFrame consente di manipolare efficacemente dati strutturati grazie ai suoi numerosi metodi integrati.
2Cos'è una Series in Pandas?
Cos'è una Series in Pandas?
Risposta
Una Series è un array unidimensionale con un indice. Rappresenta una singola colonna di dati in un DataFrame. Ogni elemento ha un'etichetta (indice) che consente un accesso rapido per nome o posizione. Una Series può contenere un solo tipo di dato (int, float, string, ecc.), il che la distingue da una semplice lista Python.
3Quale funzione di Pandas legge un file CSV e lo carica in un DataFrame?
Quale funzione di Pandas legge un file CSV e lo carica in un DataFrame?
Risposta
La funzione pd.read_csv() legge un file CSV e restituisce un DataFrame. Accetta molti parametri: sep per il delimitatore, header per la riga di intestazione, encoding per la codifica del file, dtype per forzare i tipi di colonne, e na_values per definire i valori mancanti. È il metodo più comune per importare dati in Pandas.
Cosa restituisce l'attributo df.shape su un DataFrame?
Quale metodo visualizza le prime 5 righe di un DataFrame?
+17 domande da colloquio
Altri argomenti di colloquio Data Analytics
Google Sheets - Fondamenti
Google Sheets - Formule avanzate
SQL - Fondamenti
SQL - Aggregazioni e raggruppamenti
SQL - Join
BigQuery - Fondamenti
Data Cleaning - Pulizia dei dati
KPI e metriche di business
Statistica descrittiva
Zapier e automazione No-Code
Principi di data visualization
Google Sheets - Dashboard automatizzate
SQL - Subquery e CTE
SQL - Window Functions
BigQuery - Funzionalità avanzate
Data Modeling
Analisi di funnel e conversione
Analisi delle coorti e retention
Google Tag Manager e tracking
API e webhook
dbt - Fondamenti
AB Testing e statistica applicata
Looker Studio (Google Data Studio)
Power BI - Fondamenti
SQL - Query analitiche avanzate
dbt - Funzionalità avanzate
Power BI - DAX e dashboard avanzate
Python Analytics - Analisi avanzata e ML
Padroneggia Data Analytics per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis