# Python & Pandas - Fondamenti (Data Analytics) > DataFrame, Series, indicizzazione (loc, iloc), filtraggio booleano, tipi di dati, read_csv, describe, info, head/tail, shape, columns - 20 domande da colloquio - Junior - [Domande da colloquio: Data Analytics](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio.md) ## 1. 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. ## 2. 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. ## 3. 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. ## Altre 17 domande disponibili - Cosa restituisce l'attributo df.shape su un DataFrame? - Quale metodo visualizza le prime 5 righe di un DataFrame? 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 - [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 - [Python Analytics - Analisi avanzata e ML](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/python-analytics-advanced.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-pandas-basics