Programma Lezione 83 di 250 · Basi dei dati: numpy e pandas
Basi dei dati: numpy e pandas

Progetto: analizza un CSV

È il momento di mettere tutto insieme. Scriverai un piccolo file CSV in memoria, lo rileggerai con pandas, e calcolerai aggregati per gruppo, come comincia una vera analisi.

pandas legge testo CSV da un file o da un buffer in memoria. Usiamo io.StringIO così niente tocca il disco:

import io
import pandas as pd
csv_text = "name,dept,salary\nAda,eng,100\nBo,eng,140\n"
df = pd.read_csv(io.StringIO(csv_text))
print(df)

Da lì le mosse le conosci già: filtra con una maschera, raggruppa con groupby(...).agg(...), estrai un singolo valore da una Series con .loc o indicizzando la sua etichetta.

Il tuo compito: leggere i dati, poi costruire un unico dict results che li riassume. Restituire un semplice dict è un modo comune e verificabile di passare il risultato di un'analisi al resto di un programma (o a un report, o al prompt di un LLM). Correggiamo i numeri in quel dict, non quello che stampi.

Che cosa va in results

  • "n_rows": il numero di righe della tabella
  • "total_salary": la somma di tutta la colonna salary
  • "avg_by_dept": un dict che associa a ogni dept il suo stipendio medio (costruiscilo da una media con groupby, poi .to_dict())
  • "top_dept": il dept con lo stipendio medio più alto
Tocca a te

Il testo CSV è fornito in csv_text. Leggilo in un DataFrame df con pd.read_csv(io.StringIO(csv_text)). Poi costruisci un dict chiamato results con queste chiavi: "n_rows" (numero di righe), "total_salary" (somma della colonna salary), "avg_by_dept" (un dict da dept a stipendio medio), e "top_dept" (il dept il cui stipendio medio è il più alto).

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.