Python

Python e' un moderno linguaggio di programmazione, creato da Guido van Rossum attorno al 1990. Ha avuto
grande successo, anche grazie alla diffusione di applicativi per internet gratuiti che lo utilizzanvano, come Plone (
vedi: https://plone.org/ )
E' un linguaggio semplice, facile da imparare, va un po' su tutti i computer (anche sul cellulare) ed e' correlato da
un sacco di strumenti per fare un po' di tutto: dai siti internet al calcolo scientifico; e' gratuito.
Il nome deriva da uno show comico trasmesso dalla BBC: "Monty Python's Flying Circus", di cui Van Rossum era
appassionato.
Il linguaggio e' attualmente in evoluzione, e gestito dalla "Python Software Foundation", (vedi: Python.org ) una
organizzazione non commerciale, presieduta da van Rossum e sponsorizzata da entita' come Google.
Facebook, Microsoft, NVidia, IBM, Red Hat, Oracle etc. etc. etc.
All'inizio lo sviluppo del linguaggio era molto contenuto e si cercava che ogni versione fosse ben compatibile con
le precedenti. Le cose sono cambiate con la versione 3.0, del 2008; essenzialmente per la necessita' di
introdurre la gestione di caratteri non solo latini, ma anche giapponesi, cinesi, cirillici etc. Python usa ora la
codifica UNICODE che comprende tutti i caratteri possibili.
La versione 3 non e' compatibile con la precedente versione 2; introduce nuovi tipi di dati e ci sono vari
cambiamenti, come la diversa sintassi del comando di stampa, che la versione 3 riconosce come errori.
Siccome c'era molto software importante scritto per la versione 2 la transizione e' stata molto lunga, ed ancora si
trova in giro software per la versione 2, per cui occorre fare attenzione alla versione di Python che si usa. La
Python Fundation ha supportato la versione 2.7 fino al 2020; il linguaggio e' attualmente (2022) alla versione
3.10 e gli vengono fatte nuove aggiunte ogni anno.

Caratteristiche del linguaggio

Una importante caratteristica di Python e' che strutture complesse, come liste e dizionari, sono gia' comprese nel
linguaggio come tipi di dati, con tutti gli strumenti per gestirle. Per questo motivo Python e' particolarmente adatto
ad applicazioni in cui si devono trattare insiemi di dati eterogenei complicati, con un misto di valori numerici e
stringhe. Siccome il linguaggio ha gia' dentro gli strumenti adatti non si deve scrivere software apposito o inserire
librerie di software specializzate.
Python e' un linguaggio interpretato, ma con produzioe di un "bytecode".
Un linguaggio interpretato e' tradotto in linguaggio macchina una istruzione per volta, e puo' essere usato in
modo interattivo. L'uso di un linguaggio interpretato e' comodo ed immediato, ma occorre evitare strutture
cicliche ove le stesse istruzioni vengono ripetute molte volte, dato che devono essere reinterpretate ogni volta.
Nei linguaggi compilati invece il programma viene tradotto tutto insieme (fase di "compilazione"), quindi collegato
ad eventuali librerie esterne (fase di "link") ed infine eseguito come un'unica entita'. In caso di modifiche si deve
ricompilare tutto, in cambio la compilazione permette una miglior ottimizzazione del programma.
Un programma Python puo' essere eseguito in modo interattivo, ma anche essere messo in un file, ed eseguito,
come un'unica procedura del computer. In questo caso, durante la traduzione in linguaggio macchina, viene
prodotto un "bypte code", ovvero una versione del programma semi-compilata, posta in un file con estensione
"pyc". Se il programma viene eseguito una seconda volta, senza modifiche, si utilizza direttamente la versione
pre-compilata, con notevole vantaggio in termini di prestazioni.
Altre caratteristiche importanti sono il fatto di essere un linguaggio ad oggetti (cioe' fatto di parti indipendenti e
riutilizzabili); la possibilita' di integrarlo con altri linguaggi ed estenderlo. Poi ha un sistema di "garbage
collection", per liberare memoria inutilizzata; la gestione di errori ("eccezioni"); il "dynamic typing", cioe' il fatto
che il tipo degli oggetti e' controllato solo durante l'esecuzione del programma; in questo modo si possono
scrivere parti di programma in modo indipendente dal tipo di dato che tratteranno (polimorfismo). Poi abbiamo

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 1
l'introspezione, ovvero la possibilita' di esaminare e variare la struttura interna del programma; la possibilita' di
ridefinire gli operatori ("overloading"); la possibilita' di inserire l'interprete Python in programmi scritti in altri
linguaggi ("embedding"). Un programma Python puo' anche modificare se stesso mentre corre
(metaprogramming).
Python contiene gia' una vasta libreria di funzioni, ma moduli Python per fare praticamente qualunque cosa sono
liberamente disponibili. Ci sono anche software specifici per gestire i moduli ausiliari ed installarli nel computer.

Riferimenti
La letteratura relativa a Python e' sterminata, anche su internet si trova molto, troppo per essere elencato. Un
vecchio corso di Python, e' sul mio sito internet: www.helldragon.eu tratta anche argomenti non inseriti in questo
testo, come la programmazione ad oggetti.
Il sito ufficiale di Python e': Python.org ove si trova anche tutta la documentazione , aggiornata.
Il Python Package Index (PyPI): pypi.python.org e' l'archivio ufficiale dei pacchetti ausiliari. Ce ne sono decine e
decine di migliaia, per fare qualunque cosa.
Il sito della comunita' italiana e' Python.it qui si trovano informazioni e documentazione in italiano. Qui si trova
anche un buon elenco di testi su Python.
Sono stati pubblicati moltissimi libri su Python, di molti testi inglesi ci sono traduzioni in italiano, ma non sempre
sono aggiornate. Siccome, con la versione 3, Python e' abbastanza cambiato occorre porre attenzione alla data
di pubblicazione, e che coprano la versione 3 del linguaggio.
Fra gli innumerevoli testi segnalo:

• ** Programmare con Python. Guida completa, di Marco Buttu, LSWR 2014**.

E' un libro recente, in italiano, ben fatto, ma un po' difficile per i neofiti.
• ** Python for Data Analysis, by by Wes McKinney, O-Reilly 3rd edition.
Questo libro e' stato pubblicato nel 2022, ma e' anche disponibile on-line sul sito dell'autore:
https://wesmckinney.com/book/

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 2
Installazione di Python
Per il corso serve avere installato Python della versione 3 (non la 2) ed i pacchetti ausiliari numpy, pandas e
matplotlib.
E' utile un ambiente di sviluppo grafico e comodo, fra questi c'e' Idle che e' distribuito ed installato assieme a
Python. Un altro e' spyder, scaricabile da: https://www.spyder-ide.org/ , Nel corso utilizzeremo spyder
Python e' disponibile praticamente per tutte le architetture, sia su Windows che su Mac o Linux, ci sono anche
diverse app per cellulari android, ad esempio: "Pydroid" o "QPython", ma vi propinano pubblicita'.
Ci sono diversi modi per installare Python, un sistema comodo, che consiglio, e' usare la distribuzione:
"Anaconda", che permette un uso grafico, ma richiede 3.5 GB sul disco; si recupera da:
https://www.anaconda.com/
Il alternativa c'e' "Miniconda" che richiede solo 400 MB sul disco ed ha un'interfaccia testuale, vedi:
https://docs.conda.io/en/latest/miniconda.html
Se si ha poco spazio sul disco si puo' anche fare un'installazione minimale, che richiede un 100MB e fornisce la
shell di Python e l'interfaccia Idle, che viene installata assieme al linguaggio. In questo caso si scarica Python
direttamente da: python.org o da python.it

Installazione di Anaconda su Windows

Si scarica l'installer da: https://www.anaconda.com/ e si esegue. Si puo' scegliere se installarlo per tutto il
sistema o solo per un utente; in questo caso tutto viene messo nella cartella: C:/Users/nomeutente/anaconda.
Nella finestra "advanced Options" si possono lasciare i default.
Nei menu dei programmi di Windows vi ritrovate ora: le voci: "Anaconda prompt", "Anaconda power shell",
"Spyder".
"Anaconda prompt" e "Anaconda power shell" permettono di dare comandi per gestire il sistema, corrispondono
al "command prompt" ed alla "poewer shell" di Windows. In particolare permettono di usare il programma
"conda" per la gestione dei pacchetti ausiliari. Ad esempio per aggiornare o installare i pacchetti ausiliari si
danno i comandi:

conda install numpy

conda install matplotlib
conda install pandas

Spyder e' un ambiente grafico per Pyton.

Installazione minimale su Windows

Un file eseguibile, che installa python si puo' scaricare da http://www.python.it/download/ Oppure dal sito ufficiale
www.python.org .
Se si ha una computer a 64 bit (come quasi tutti quelli di oggi) conviene scegliere la versione a 64 bit; ovvero un
file tipo: "python3.10.5-amd64.exe" piuttosto che "python3.10.5.exe" che e' a 32 bit.
Per Windows XP occorre una versione precedente alla 3.5. per Window 7 occorre una versione precedente alla
3.9, le varie versioni si trovano tutte su python.org
Fra le opzioni di installazione, raggiungibili eseguendo o ri-eseguendo il file di installazione, conviene attivare:

• aggiungere Python al path

• abilitare python launcher

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 3
 • associare files con python
• aggiungere python alle variabili di ambiente
• la precompilazione della libreria standard puo' esere utile per rendere Python piu' veloce, ma non e'
essenziale.
L'installer fornisce 4 componenti:

• Python : la semplice shell

(interfaccia interattiva al linguaggio)
• Idle : un'interfaccia che ci consente di scrivere
e gestire files contenenti programmi Python
• I manuali : tutta l'ampia documentazione sul linguaggio
• Documentazione sui moduli, tramite links al sito ufficiale.
Una volta istallato python, si installano i moduli ausiliari. Occorre aprire l'applicativo "Command prompt" e nella
finestra che appare dare i comandi:

python -m pip install numpy

python -m pip install matplotlib
python -m pip install pandas

spyder si scarica da: https://docs.spyder-ide.org/current/installation.html

Installazione su sistemi Linux

Quasi tutte le distribuzioni Linux hanno Python gia' installato, si puo' usare il gestore di pacchetti preferito per
controllare di aver installata la versione 3 del linguaggio ed i pacchetti numpy, matplotlib e pandas che servono
per il corso. Anche spyder e' in genere compreso nelle distribuzioni Linux.

Installazione su macOS
Sul sito di python c'e' anche un installer per Mac: https://www.python.org/downloads/macos/

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 4
Come usare Python
Usando la shell del linguaggio
Il linguaggio si puo' usare in modo interattivo. Se avete Spyder, o Idle, avete anche una finestra in cui scrivere
istruzioni Python, che verranno interpretate ed eseguite riga per riga. Il risultato, o l'oggetto ottenuto
dall'istruzione, appaiono nella finestra stessa.
L'uso interattivo di Python si ha anche dando il comando "python" nella finestra del "command propt" di
Windows.
In Linux, si fa lo stesso in una finestra a comandi (un terminale). Per certe distribuzioni, che hanno anche la
versione 2 di Python, si deve dare il comando: "python3".
Invece di usare la finestra a comandi di python si puo' usare quella di IPython, una estensione all'interprete che
ha alcune aggiunte utili. In questo caso si da il comando: "ipython", o "ipython3" a seconda del sistema.
Spyder utilizza IPython.
Esempio di Uso interattivo in Linux:

$ python3
>>> 3+2
5
>>> a=16
>>> a
16
>>> Cntrl/D per finire

Programmi python in un file

Si puo' mettere un programma Python in un file e poi chiamare Python per eseguire il file.
Un file con un programma Python: file.py si esegue con:

$ python3 file.py

In Linux un file eseguibile con, nella prima linea: "#!/usr/bin/python" , puo' essere eseguito direttamente come un
comando.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 5
Interfacce grafiche
Interfacce grafiche come Idle, o Spyder, rendono disponibile una shell per eseguire programmi o singoli
comandi, ed un editor per scrivere file con programmi Python.
Nella figura che segue l'interfaccia grafica di spyder: a destra un editor per fare files con istruzioni python,in alto
a sinistra una finestra per aiuti, grafici etc. in basso a sinistra avete una finestra per dare direttamente istruzioni
python, o far correre il programma che editate nella finestra a destra.

Spyder: interfaccia grafica

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 6
Sintassi
Variabili
Python e' case sensitive
I nomi delle variabili iniziano con un carattere alfabetico e contengono caratteri, numeri o underscore: "_" . Nomi
che iniziano con "_" hanno significati speciali, ed alcuni sono definiti da Python stesso.
Una linea che termina con il carattere: "\" continua nella successiva; espressioni fra parentesi possono occupare
piu' righe e linee vuote vengono ignorate. Piu' istruzioni possono stare sulla stessa riga, se separate da punto e
virgola ";"
I commenti sono identificati dal carattere: "#", ed il commento va dal carattere a fine linea. Nell'ambiente Unix, se
si crea un file eseguibile e si mette: #!/usr/bin/python all'inizio del file, si segnala al sistema che il file e' un
programma da eseguire con Python.
Caratteri bianchi all'inizio di una riga sono utilizzati per definire blocchi logici del programma.

Oggetti
Python e' orientato alla programmazione ad oggetti, nel senso che tutti i tipi di variabili e tutte le entita' su cui
Python opera sono,o si comportano, come oggetti.
La programmazione ad oggetti separa il programma in parti indipendenti, isolate, accessibili tramite un'interfaccia
ben precisa. Quando si programma ad oggetti prima si definisce la struttura dell'oggetto, poi dell'oggetto si
possono avere tante copie indipendenti (istanze). Un oggetto e' accessibile tramite sue funzioni o sue variabili
(attributi).
Oggetti si possono costruire partendo da altri oggetti, ed aggiungendo proprieta'; il nuovo oggetto e' il child (figlio)
che eredita attributi da un oggetto padre (parent).
La sintassi di Python per gli oggetti e' di indicare il nome dell'oggetto e poi il nome dell'attributo, separato da un
punto. Ad esempio car.wheel , car.go() indicano rispettivamente l'attributo wheel dell'oggetto car e la sua
funzione go.
Nel corso non parleremo di programmazione ad oggetti, tuttavia occorre tener conto che tutto quello con cui
abbiamo a che fare alla fine e' un oggetto, e che incontreremo sempre questa notazione ed useremo spesso il
termine oggetto.

Oggetti e riferimenti
Quando in Python diamo un'istruzione del tipo:
a=3
possiamo pensare di star creando una variabile di nome "a", che vale 3, ma in realta' "a" e' un riferimento (un
indirizzo) che punta al valore "3", internamente Python lavora tutto a riferimenti c'e' un sistema che conta i
riferimenti, e quando un oggetto non ha piu' riferimenti che puntano a lui viene distrutto. Questo si chiama
"garbage collection".

Oggetti mutabili ed immutabili

Oggetti base in Python (fra cui numeri e caratteri), sono immutabili, nel senso che una volta creati non si
possono cambiare; le variabili sono riferimenti a questi oggetti, e maneggiare le variabili non tocca gli oggetti cui
si riferiscono. Salvo che quando un oggetto non ha piu' riferimenti e viene eliminato.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 7
Oggetti mutabili sono oggetti composti, costruiti internamente con insiemi di riferimenti ad oggetti immutabili.
Questi si possono modificare durante il programma.

Keywords
Python ha pochi comandi (keywords), questi non si possono usare come nomi di variabili; in Python 3.10 sono:

False None True and as assert

break class continue def del elif
else except finally for from global
if import in is lambda nonlocal
not or pass raise return try
while with yield async await match
case

Tipi
In Python ci sono alcuni tipi base, come interi, float, caratteri etc., ma ogni oggetto definisce implicitamente un
tipo di variabili. Alle variabili non e' assegnato un tipo a priori ed il tipo delle variabili non va dichiarato, ma
quando ad una variabile viene assegnato un oggetto viene definito anche il tipo della variabile. Questo viene
chiamato "run-time binding", "late binding" o "dynamic binding", e permette al programma di essere scritto in
modo indipendente dai tipi di variabili (polimorfismo). Ovviamente non si riescono a fare operazioni che non
hanno senso fra tipi diversi (come sommare lettere e numeri), ed il Python in questi casi da errori, che possono
essere rilevati solo all'esecuzione del programma, visto non c'e' una compilazione e l'interprete non sa i tipi delle
variabili e non fa controlli fino all'esecuzione dell'istruzione.
Python, se puo' , effettua automaticamente la conversione fra tipi nelle operazioni numeriche.
Python ha anche tipi che sono sequenze; le sequenze sono insiemi di elementi ordinati, cui ci si puo' riferire
tramite indici interi. Gli indici partono da zero, analogamente a quanto accade nel linguaggio C, non da uno.
Indici negativi partono dal fondo della sequenza. Gli indici sono rappresentati con numeri, o variabili, fra
parentesi quadre. Ad esempio: se la variabile 'a' rappresenta una sequenza, il suo primo elemento sara': a[0], il
suo secondo elemento a[1] e cosi' via.
I tipi di base sono:
• int : interi con segno (immutabili),
possono avere un numero illimitato di cifre; se preceduti da 0O oppure 0o sono in notazione ottale,
se preceduti da 0x oppure 0X sono in notazione esadecimale, se preceduti da 0b oppure 0B sono
binari
Esempi:
7 ; 2147483647 ; 0o177 ; 0b100110111 ; 0xdeadbeef 79228162514264337593543950336
oct(x) visualizza il numero x in ottale,
hex(x) in esadecimale
bin(x) in binario
• float : numeri reali, in doppia precisione, (immutabili),
l'esponente e' preceduto dalla lettera E on e e segue la parte frazionaria.
Esempi:
3.14 ; 10. ; .001 ; 1e100 ; 3.14e-10 ; 0e0
• complessi : sono somma di reale e di immaginario (immutabili),
la parte immaginaria e' seguito da j oppure J

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 8
 Esempi:
1+3.14j ; 10.j ; 1.e2+10j ; 0+.001j ; 1e100j ; 3+3.14e-10j
• decimali e frazionari :
sono tipi numerici supportati dalla libreria standard, ove sono create le classi relative. I decimali
hanno un numero fisso di cifre decimali, i frazionari sono frazioni, usati per rappresentare senza
approssimazione i numeri razionali.
• bool : booleani :
possono essere veri o falsi; assumono uno dei 2 valori: "True", "False". Il numero "0" e'
considerato falso, altri numeri sono considerati veri, una stringa e' vera, un oggetto vuoto e' falso.
• None : e' una variabile speciale che indica l'assenza di un valore:
E' usata specialmente per stringhe ed e' il tipo: "NoneType"; la variabile None e' considerata falsa.
• str : stringhe :
sono sequenze di di caratteri (immutabili). Sono in codifica unicode in Python3, in codifica ascii in
Python 2. Le stringhe, intese come sequenze di caratteri, permettono di accedere a singoli
caratteri tramite un indice intero. Le stringhe sono rappresentate con caratteri fra apici doppi o
semplici.La stringa fra doppi apici puo' contenere apici semplici e viceversa
Esempi:
"abcd" ; '123AAQH' ; "123'34"
• bytes : sequenze di interi, nel range 0-255, (immutabili).
Esistono solo in Python3, ma non in Python2. Siccome le stringhe in Python3 sono in codifica
Unicode non sono piu' uno strumento adatto a trattare piccoli interi, per questo e' stato introdotto
questo tipo di dati.
• byte array : e' un tipo analogo al tipo byte, ma mutabile
• list : sono sequenze di oggetti eterogenei (mutabili).
Sono rappresentate come elementi separati da virgole, racchiusi fra parentesi quadre. Le liste
possono contenere ogni tipo di oggetto, liste comprese.
Esempi:
[0,1,2,3,4] ; [1,2,'abc/,12.5E3] ; [0,1,2,['a','b','c'],32.4]
• tuple : sono sequenze di oggetti eterogenei immutabili.
Sono analoghe alle liste, ma sono rappresentate con valori racchiusi fra parentesi tonde. Le tuple
possono contenere liste, che sono mutabili, la lista nella tupla puo' mutare, ma non essere tolta
dalla tupla, che e' immutabile.
Esempi:
(0,1,2,3,4) ; (1,2,'abc/,12.5E3) ; (0,1,2,('a','b','c'),32.4)
• dict : dizionari, od array associativi.

Sono insiemi i cui elementi non hanno come indice un numero, ma sono individuati da un oggetto,
detto chiave (key). Gli elementi di un dizionario non hanno un ordine definito, come le sequenze.
Anche i dizionari contengono oggetti eterogenei, ma le chiavi devono essere oggetti immutabili;
siccome internamente i dizionari sono rappresentati come "hash tables", le chiavi devono essere
oggetti "hashable", cioe' adatti ad essere trasformati in indirizzi dagli algoritmi interni di Python.
I dizionari sono rappresentati come coppie "chiave:valore", con elementi separati da virgole e fra
parentesi graffe. Un elemento del dizionario e' individuato dalla chiave, messa fra parentesi
quadre dopo la variabile che si riferisce al dizionario
Esempio:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 9
 D={'key1':3,'key2':6,1:'abc'}
qui D['key1'] si riferisce al numero 3, D[1] alla stringa 'abc'
• set : insiemi.
Sono gli insiemi della matematica insiemistica. Sono composti di oggetti non sono ordinati che non
sono recuperabili con un indice; su di loro si possono fare operazioni come: unione, intersezione,
differenza etc. etc.
Sono oggetti mutabili, ma che contengono oggetti immutabili ed in un unica copia. Sono
rappresentati da elementi fra parentesi graffe, separati da virgole.
Esempio:
a={1,2,3,'cc',1,2}
a contiene: {'cc', 1, 2, 3} : non ci sono elementi multipli
• frozenset : sono come i set, ma immutabili.
Si possono creare da una lista, tupla o dizionario, con la funzione frozenset.
Esempio:
a=frozenset([1,2,3])
• range : sono oggetti che permettono di iterare su sequenze di interi.
Sono creati con la funzione range, che ha come argomenti il primo, l'ultimo valore (escluso) ed il
passo della sequenza.
Esempio:
range(2) e' la sequenza: 0,1
range(2,4) e' la sequenza 2,3
range(1,5,2) e' la sequenza 1,3
Stringhe, liste, tuple, range, sono sequenze. Le sequenze, ma anche i dizionari e gli insiemi sono detti iterable ,
sono cioe' oggetti i cui elementi si possono estrarre uno per volta, scorrendo sulle componenti dell'oggetto.
Questo perche' sono oggetti che implementano tutte le funzioni per fare questo. Questo modo di classificare gli
oggetti in base alla loro interfaccia e' chiamato "duck typing": qui e' il comportamento di un oggetto che
definisce il suo tipo. E' un concetto che si ritrova nei moderni linguaggi interpretati; una specie di polimorfismo,
ma questa e' un'idea ancora piu' generale e l'interfaccia stessa diventa la definizione del tipo di dato.
La funzione type(oggetto) dice di che tipo e' l'oggetto, la funzione id(oggetto) e' un identificatore unico per
l'oggetto, in pratica: l'indirizzo. La funzione isistance(ogetto,tipo) e' un test sul tipo:
Esempio:
type([]) produce: <class 'list'>
isinstance([], list) produce: True
id([]) e' l'indirizzo della lista vuota, tipo: 140377705648640
Esistono funzioni specifiche per la conversione di valori fra tipi diversi. nelle operazioni aritmetiche ed i confronti.

Docstring:
All'inizio del file, o di una funzione o classe, e' buona pratica mettere una stringa descrittiva, anche su piu' linee.
Questa finisce nella variabile __doc__ dell'oggetto o della funzione e serve da documentazione, E' mostrata
dalla funzione help con l'oggetto come argomento. Questa stringa descrittiva si chiama "docstring".

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 10
Operatori
In Python ha molti operatori per eseguire calcoli numerici o logici. Certi operatori hanno significati diversi se
operano con oggetti diversi

Operatori di assegnazione
Oltre al segno di eguale, che definisce una variabile o ne cambia il valore, ci sono operatori che effettuano
un'operazione su una variabile e poi assegnano il nuovo valore Ad esempio: "a += 10" aggiunge 10 ad "a",
equivale ad: "a=a+10".
In Python si possono fare assegnazioni multiple, ma il numero di oggetti a sinistra e destra deve essere lo
stesso: ad esempio: "a,b = b,a" scambia i valori di a e b

Operatori aritmetici
Operazioni fra interi danno interi, se uno dei 2 operandi e' un numero con la virgola (float) viene prodotto un float.
Python, quando puo', fa conversioni automatiche fra tipi diversi. Gli operatori aritmetici sono elencati nella tabella
seguente.

Operatore Funzione Esempi

** Elevamento a potenza a**3 ; anche funzione pow(x,y)
* Moltiplicazione a*b ; 3*2 => 6
/ Divisione a/b ; 5/2 => 2.5
// Divisione intera a//b ; 5//2.0 => 1.0
% Resto a%b ; 5/2. => 1.0
+ Addizione a+b ; 2+5 => 7
- Sottrazione a-b ; 2-5 => -3

Questi operatori hanno significato diverso se applicati ad oggetti diversi, ad esemio l'addizione si usa anche per
concatenare stringhe, o sequenze.

Operatori logici
Operatore Significato Esempio
or or logico x or y
and and logico x and y
not negazione not x

Gli operatori "not" ed "or" restituiscono uno degli argomenti non, semplicemente, False o True.

x or y Vale x se x e' True, altrimenti valuta y e restituisce y

x and y Vale x se x e' False, altrimenti valuta y e restituisce y

x or y or z restituisce il primo vero (o l'ultimo)

x and y and z restituisce il primo falso (o l'ultimo)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 11
Operatori logici per i confronti.
Restituiscono : True o False

Operatore Funzione Esempi

> maggiore a>b
< minore a<b
<= minore od eguale a <= b
>= maggiore od eguale a >=b
== eguale a == b
!= diverso b != b

Si puo' controllare se una variabile e' in un intervallo con la sintassi compatta del tipo: 1 < a < 3

Operatori logici per l'appartenenza

L'operatore "in" restituisce True o False a seconda che un oggetto faccia parte di una sequenza, dizionario o set,
l'operatore "is" controlla se due riferimenti puntano allo stesso oggetto.

Operatori bit a bit

Questi operatori agiscono sui numeri seguendo una logica binaria e cambiano i singoli bit delle variabili. Questi
operatori operano su interi con segno o booleani.
Questi operatori utilizzano i simboli:
<< , >> , & , | , ^ , ~ , *

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 12
Sequenze
Alcuni tipi di dati sono sequenze di valori eterogenei, cui si puo' far riferimento tramite un indice intero (per liste,
stringhe, tuple), o anche usando un generico identificativo (dizionari). Ci sono istruzioni per iterare sui valori delle
sequenze, per trasformarle, per combinarle insieme etc. etc. le sequenze possono essere annidate, ovvero
sequenze di sequenze.
Python e' quindi ideale per trattare insiemi complicati di dati eterogenei, quando si riesce a farli corrispondere a
queste strutture annidate.

Liste
Gli elementi di una lista hanno un ordine e sono accessibili tramite un indice numerico, che inizia da 0. Una lista
puo' crescere in modo dinamico, cioe' non si deve decidere all'inizio quanto sara' grande.
Le liste si indicano con una serie di valori, separati da virgole e racchiusi fra parentesi quadre, ad esempio, per
definire una lista A , composta dai numeri da 10 a 90:
A=[10,20,30,40,50,60,70,80,90]
Il primo elemento e': A[0], il secondo A[1] e cosi' via. Si possono estrarre parti di una lista con una sintassi
semplice, si ottiene una seconda lista:
A[2:4] elementi dal numero 2 (il terzo) al quattro (escluso) ovvero una lista coi valori 30 e 40.
Indici negativi partono contando dalla fine: A[-1] vale 90 A[-4,-2] sono i numeri: 60 e 70.
Se uno degli indici e' omesso di default si intende l'inizio (o la fine) della sequenza.
A[:3] e' la lista coi numeri: [10,20,30]
A[3:] sono i numeri dal 40 al 90.
Si puo' indicare un passo con cui si selezionano gli elementi:
A[0:8:2] sono i valori [10,30,50,70]
A[::3] sono i valori: [10,40,70]
Il comando del elimina elemanti della lista, ad esempio del A[3] elimina l'elemento di indice 3, ovvero il valore 40.
L'elemento di indice 3 diventa il successivo, di valore 50.
Ci sono molte funzioni per le liste:
abbiamo: len(A) ;la lunghezza della lista, min(A) , max(A), i valori massimo e minimo, poi funzioni per ordinare
una lista, per mettere gli elementi in ordine inverso, per aggiungere elementi, etc.
Come detto, sui possono fare liste di liste, ad esempio:
A=[10,20,30,['a','b','c'],50]
qui l'elemento A[3] e' la lista ['a','b','c','d'] A[3][1] indica l'elemento 1 dell'elemento 3, ovvero 'b'

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 13
Stringhe
Le stringhe sono a tutti gli effetti liste di caratteri, e sono rappresentate come una sequenza di caratteri fra apici.
Possono essere utilizzati indifferentemente apici singoli, oppure il doppio apice. Se una stringa e' delimitata da
apici singoli puo' contenere doppi apici e viceversa, ad esempio sono stringhe valide:

'12345"6789'
"12345'6789"

Una stringa puo' essere vuota; una stringa vuota e' definita da:

a=''

Una stringa puo' essere composta da piu' linee, se delimitata da tre apici o tre doppi apici, esempio:

''' questa stringa

continua in questa riga '''

"""
altra stringa multilinea
anche questa linea fa parte della stringa """

Stringhe una dietro l'altra sono concatenate, anche se sono separate da spazi:

a='abcd' 'efg'
a== "abcdefg"

Entro le stringhe hanno significato particolare alcune sequenze precedute da backslash : "\" Alcune di queste
sono un residuo delle codifiche che venivano utilizzate il controllo del carrello per le stampanti a modulo
continuo, altre sono usate per inserire valori in diverse codifiche.
Ad esempio:
\n : indica che si va a capo \t : tabulazione orizzontale
La decodifica di questi caratteri speciali non avviene nelle stringhe "raw", che sono indicate dalla lettera r prima
della stringa, ad esempio:
a=r"12\n4g"
La stampa di questa da una linea sola, invece a="12\n4g" produrrebbe 2 linee
L'operatore "+" concatena le stringhe; l'operatore "*" ripete una stringa un certo numero di volte:
Esempi:

a='0123456'
b='abcdefg'

a+b e' la stringa: '0123456abcdefg'

b*2 e' la stringa: 'abcdefgabcdefg'

L'operatore "in" da risultato: True se una sottostringa e' compresa in una stringa:
Esempi:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 14
 '0' in a vale: True
'01' in a vale: True
'09' in a vale: False

Ci sono molte funzioni per le stringhe; per fare maiuscoli i caratteri, per farli minuscoli, per mettere maiuscolo il
primo carattere di ogni parola, per separare una stringa contenente una frase in parole singole, per unire
stringhe.

Dizionari
I dizionari somigliano a liste, ma gli indici (detti keys o chiavi) sono stringhe, od altri oggetti Python immutabili, ad
esempio tuple. Si possono costruire strutture complesse con dizionari e liste annidate.
Gli elementi di un dizionario non hanno un ordine definito, e per individuare gli elementi si utilizza una coppia di
parentesi quadre, che contengono la chiave dell'elemento.
Un dizionario e' rappresentato da coppie di chiavi e valori, separati da virgole, e racchiusi fra parentesi graffe.
Esempio:

D={'chiave':3,'altrachiave':6,1:'abcd'}

D['chiave'] : vale 3
D['altrachiave'] : vale 6
D[1] : vale 'abcd'

Come per le liste abbiamo che:

D={} : crea un dizionario vuoto

D['a']=799.0 : aggiunge elemento, se la chiave esiste gia' lo modifica

del D['b'] : elimina l'elemento con chiave 'b'

len(D) : dimensione del dizionario: vale 3 se D ha 3 elementi

D.pop('c') : estrae dal dizionario il valore con chiave 'c' e lo elimina.

D.update ( { 1: 10, 2: 20, 3:30 } ) : unisce dizionari

D.clear() : svuota il dizionario

Se abbiamo dizionari di dizionari possiamo reperire gli elementi del dizionario interno con la sintassi seguente:

D3={'cibo':{'carne':1,'frutta':2}} : dizionario che contiene un dizionario

D3['cibo']['frutta'] : e' l'elemento di valore 2

La funzione "in" e' riferita alle chiavi, ad esempio

D4={'a':0,'b':1,'c':3}

'a' in D4 : e' True

0 in D4 : e' False, 0 non e' una chiave di ricerca.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 15
Tuple
Le tuple sono sequenze simili alle liste, ma, a differenza delle liste, sono sequenze immutabili e non possono
essere cambiate nel corso del programma. Contengono oggetti eterogenei, identificati da un indice numerico. Le
tuple sono immutabili, ma i loro elementi, se sono mutabili, possono essere cambiati, per cui se un elemento di
una tupla e' una lista questa puo' essere alterata e svuotata, ma non puo'essere tolta dalla tupla. Tuple che
contengono solo oggetti immutabili possono essere usate come chiavi in un dizionario.
Le tuple sono rappresentate come insiemi di valori separati da virgole e racchiusi fra parentesi tonde; per il resto
abbiamo operatori e notazioni analoghe a quelle delle liste, dei dizionari e delle stringhe:
Esempi:

T=(1,3.5,'c') : definisce una tupla di 3 elementi

TT=() : e' una tupla vuota

T[0]=33 : da errore, la tupla non e' mutabile

T[1] : il secondo elemento ( nel nostro 3.5)

len(T) : numero elementi

T.index(3.5) : indice dell'elemento 3.5 ( e' al posto 1 )

L'operatore di somma: '+' concatena tuple in una nuova tupla, l'operatore: '*' ripete una tupla un certo numero di
volte:
Esempio:

T3=(2,3)
T4=(5,5)
T5=T3+T4
T5 : e' la tupla: (2, 3, 5, 5)

T6=T3*2
T6 : e' la tupla: (2, 3, 2, 3)

Tuple possono essere mutate in liste e viceversa:

L=list(T6) : muta la tupla in una lista: [2, 3, 2, 3]

TT=tuple(L) : fa il contrario, muta una tupla in una lista.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 16
Sets e Frozensets
I sets sono stati introdotti con Python 2.4, e sono insiemi non ordinati, mutabili, di oggetti immutabili (numeri,
caratteri, tuple , NON liste e dizionari ). Gli oggetti sono unici nel set (non ce ne sono 2 uguali). I set sono gli
insiemi della matematica insiemistica e su di essi si possono fare operazioni di unione, intersezione, differenze
etc.
Esempi:

a=set() : crea set vuoto

s={1,2,3} : crea un set di 3 valori

a=set() : crea set vuoto

b=set(['a','b','c']) : set possono essere costruiti da liste

c=set('abf') : crea il set: {'h','g','f'}

d = b | c : set unione : set(['a', 'c', 'b', 'f'])

e = d & b : set intersezione set(['a', 'c', 'b'])

d - b : set differenza set(['f'])

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 17
Istruzioni
Blocchi logici
I blocchi logici in Python sono identificati con indentazione (rientro): tutte le istruzioni del blocco hanno davanti lo
stesso numero di spazi, ed il blocco finisce quando l'indentazione del blocco cessa.
I blocchi dentro altri blocchi (nested o annidati) hanno ulteriore indentazione rispetto al blocco che li contiene. Si
consiglia di usare spazi bianchi e non tabulazione, visto che gli spazi rappresentati dal tasto di tabulazione
possono essere diversi a seconda dei computer e dei programmi usati. In genere si usano 4 spazi bianchi per un
rientro.

Assegnazione
Abbiamo gia' visto l'istruzione di assegnazione, che crea un oggetto e gli assegna una variabile, che e' un
riferimento all'oggetto.
Esempi:

a = 3
b = 6.0
a *= b
c=(a+b) * 3
a=b=3

Esecuzione condizionale
Il costrutto: "if.. then .. else" che ritroviamo in tutti i linguaggi: se la prima condizione e' vera (quella che segue l'if)
allora e' eseguito il primo blocco, altrimenti si prosegue alla condizione successiva; se nessuna e' vera viene
eseguita la condizione che segue l'istruzione "else". Le clausole "elif" ed "else" sono opzionali
I blocchi sono delimitati dall'indentazione ed iniziano con due punti ":"

if a==b:
c=d
e=f
elif a>b:
c=f
e=d
else:
c=0
e=0

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 18
Nell'esempio successivo abbiamo un caso di clausole if annidate (nested if). In Python bisogna sempre fare
molta attenzione ai rientri. Altri linguaggi usano le parentesi, che sono una scelta piu' comune e meno soggetta
ad errori:

if a==b:
c=d
if e==f:
k=0
else:
k=1
elif a>b:
c=f
e=d
else:
c=0
e=0

Se c'e' una sola istruzione la si puo' mettere nella stessa linea della condizione:

if a==b: k=0

Istruzioni cicliche
L'istruzione ciclica di Python e' il ciclo "while", che esegue un blocco finche' la condizione e' vera. La condizione
e' testata all'inizio del blocco. Alla fine del blocco, in ogni caso, viene eseguito il blocco alla istruzione "else".
Anche le istruzioni "while" possono essere annidate:

while x:
i+=1
x-=1
else:
y=i

questa incrementa i e cala x di uno, fino a che x e' zero (falso) quando questo accade il ciclo termina e viene
eseguita l'istruzione all'else
Entro un ciclo ci sono istruzioni particolari che alterano la sequenza:

break interrompe il ciclo

continue passa al giro successivo
pass non fa nulla , ad esempio:

while 1:pass # e' un loop infinito

Se, nel blocco del while, viene eseguita una istruzione break si esce dal ciclo senza eseguire il blocco all'else

Iterabili ed iteratori
Anche qui abbiamo istruzioni cicliche, ma con una logica diversa.
Liste, dizionari, tuple, sets hanno la caratteristica di essere "iterabili" ( iterable ). Un insieme di oggetti e' iterabile
se, su di esso, si puo' definire un oggetto che, in sequenza, assume un diverso valore fra quelli dell'insieme.
Questo oggetto che "itera" sulla sequenza e' detto "iteratore".
L'istruzione che crea un iteratore e cicla su tutti gli elementi di un insieme e' l'istruzione "for".

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 19
 for i in [1,2,3,4]:
k+=i
else:
print('fine')

Il riferimento "i" assume, in sequenza, i valori della lista, e per ogni valore che "i" assume si esegue il blocco che
segue l'istruzione "if". A fine blocco viene eseguito il blocco della istruzione "else", a meno che un'istruzione
break non interrompa il ciclo.
Un ciclo for su un dizionario restituisce le chiavi, nell'esempio che segue viene stampato 'a', poi 'b', infine 'c'

D={'a':0,'b':1,'c':3}
for i in D:
print(i)

Per iterare su una coppia (chiave, valore) di un dizionario bisogna utilizzare una tupla:

for (key, value) in D.items():

print(key, '=>', value)

Nel caso seguente iteriamo su una tupla ed usiamo una tupla come iteratore:

T = [(1, 2), (3, 4), (5, 6)]

for (a, b) in T:
print(a, b)

Per avere un ciclo su numeri interi, si utilizza la funzione "range", oppure la funzione "enumerate":

for i in range(3): # produce la sequenza: 0,1,2

print(i)

for i,a in enumerate(['a','b','c']):

k[i]=a

"enumerate" restituisce una tupla (numero crescente, elemento dell'enumerabile);p ai diversi giri abbiamo qui per
la tupla con "i" ed "a":
(1,'a') ; (2,'b') ; (3,'c')

List comprehensions
Sono cicli che assegnano una serie di valori ad una lista, opzionalmente i valori possono essere filtrati da una
condizione "if":

[x for x in range(5) if x % 2 == 0]

produce una lista con i numeri pari fino a 5: [0, 2, 4]

Si possono avere cicli annidati:

[x + y for x in range(3) for y in [10, 20, 30]]

Qui x va da 0 a 3, e, per ogni x, y va da 10 a 30 ed abbiamo la lista;

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 20
 [10, 20, 30, 11, 21, 31, 12, 22, 32]

Funzioni per iterabili

Ci sono diverse funzioni, utili per lavorare con iterabili.
La funzione list crea un lista, a partire da una serie di valori, o da un iterabile.
La funzione dict produce un dizionario, a partire da una sequenza di tuple di 2 elementi: (chiave,valore).
range rppresenta una sequenza di interi, il primo argomento e' il primo valore, il secondo l'ultimo (escluso), il
terzo e' il passo.
map applica una funzione ad un iterabile
a=map(abs,[-1,2,-3])
list(a) vale: [1, 2, 3]
zip unisce a 2 a 2 due iterabili:

Z = zip((1, 2, 3), (10, 20, 30))

list(Z) vale: [(1, 10), (2, 20), (3, 30)]

La funzione filter applica ad un iterabile una funzione logica elemento per elemento e tiene solo gli elementi per
cui la funzione e' True:

list( filter((lambda x: x>0 ),[1,2,3,-1]) ) produce [1, 2, 3]

"lambda" e' un modo di definire una funzione in un unica istruzione, come vedremo dopo.

Funzioni exec ed eval

La funzione "exec" permette di eseguire una stringa come istruzione Python:

exec('e=3') # e , che non era definito, diventa 3

La funzione "eval" valuta un'espessione Python, quelle che possono stare a destra di una assegnazione, e ne
ritorna il risultato:

eval('abs(-3)+2') # produce il valore 5

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 21
Funzioni
Le funzioni sono parti di programma a se stanti, che eseguono operazioni in base acerte variabili, che sono date
in input (argomenti) e restituiscono un valore.
La sintassi per la definizione di una funzione e' del tipo:

def nomefunzione(a,b,c):
''' docstring:
descrizione funzione
'''
d=a
e=b+c
return d+e

L'istruzione def crea la funzione e le assegna un nome

Il corpo della funzione e' un blocco che inizia con: ":" ed e' identificato da un rientro,
Fra parentesi ci sono gli argomenti della funzione; le variabili che sono passate alla funzione per il calcolo.
La docstring e; una stringa, eventualmente su piu' linee, che descrive la funzione, e' facoltativa. Viene
conservata nell'attributo: __doc__ della funzione.
La funzione ha anche l'attributo: __name__ che contiene il nome della funzione stessa.
L'istruzione return specifica il valore che viene restituito dalla funzione. In caso l'istruzione "return" non compaia
nella funzione, viene restituito l'oggetto vuoto: "None".
Per utilizzare una funzione si usa la sintassi:

g=nomefunzione(r,s,t)

Il valore che la funzione restituisce e' assegnato alla variabile: g.

Argomenti
Le funzioni possono avere valori di default per gli argomenti. Ad esempio una funzione definita con:

def somma(a='uno',b='due'):
return a+b

puo' essere chiamata semplicemente con:

somma()

ed effettuera' la somma dei due argomenti di defaul; siccome sono stringhe le concatena e restitruisce la stringa:
"unodue".
Una funzione puo' anche essere chiamata dando valori ai parametri per nome (keyword arguments), con una
sintassi tipo:

somma(a='sei')

in questo caso alla variabile "a" entro la funzione, viene assegnata la stringa "sei".
Una funzione puo' essere definita in modo che i suoi argomenti siano visti, entro la funzione, come una tupla o
come un dizionario; le definizioni della funzione avranno in questi casi rispettivamente la sintassi:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 22
 def func(*nome):

def func(**nome):

Nel caso del dizionario gli argomenti sono passati per nome ed i nomi diventano le chiavi del dizionario:

def func(*a):
print(a)
'''
Qui in a finisce una tupla di argomenti,
la chiamata puo' avere numero variabile di argomenti
func(1,2,3) stampa la tupla: (1,2,3)
'''

def func(**d):
print(d)
'''
Qui gli argomenti finiscono in un dizionario
gli argomenti sono passati per nome
ed i nomi delle variabili sono le chiavi
func(a=1,b=2,c=3) stampa: {'a': 1, 'c': 3, 'b': 2}
'''

def func(a,*b,**d):
print(a)
print(b)
print(d)
'''
Vanno prima gli argomenti posizionali,
poi quelli per la tupla, infine quelli per il dizionario.
Chiamata come : func(1, 2,3,4, s=10,q=20 )
stampa: a=1 ; b=[2,3,4] ; d={s:10,q:20}
'''

Questi modo di passare gli argomenti possono essere combinati, in questo caso, nelle chiamate e nella funzione,
vanno prima gli argomenti posizionali, poi quelli che fiscono in una tupla, ed infine, con passaggio per nome,
quelli che finiscono nel dizionario:

def func(a,b,c): # esempio di funzione

print(a)
print(b)
print(c)

func(1,2,3) # chiamata con argomenti passati per posizione

func( b=2,a=1,c=3) # argomenti passati per nome
func(1,c=3,b=2) # argomenti passati in parte per posizione, in parte per nome

Vediamo un esempio piu' complesso di una funzione con argomenti passati in modo diverso:

def func(a,b,c=1,d=2,*aa,**bb):
print( "Argomenti posizionali: a,b: ",a,",",b)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 23
 print( "Argomenti con default: c,d:",c,",",d)
print( "tupla con argomenti restanti:",aa)
print( "dizionario con argomenti keyword restanti:",bb)
print()
return

Qui gli argomenti a,b vanno forniti, ed al minimo vanno forniti due argomenti; gli argomenti: c,d hanno valori di
default, altri argomenti finiscono in una tupla aa, eventuali argomenti nella forma:
chiave=valore1,chiave2=valore2 finiscono nel dizionario bb.

Campo di validita' della funzione (scope della funzione)

Una funzione e' valida dal punto del programma in cui si incontra in poi; quando la funzione viene incontrata
viene "eseguita", nel senso che il suo nome (che in realta' e' un riferimento) diviene valido ed ad esso sono
associate le operazioni contenute nel corpo della funzione.
Una funzione puo' essere definita entro una funzione, ed allora e' vista solo li'.

Campo di validita' delle variabili (scope delle variabili)

Una variabile definita in una funzione non e' vista da fuori della funzione. Puo' avere lo stesso nome di una
variabile esterna senza confusione.
Una variabile definita nel blocco in cui la funzione e' chiamata e' vista entro la funzione, ma non puo'
essere modificata entro la funzione.
Se, entro una funzione, una variabile e' definita come global sara' vista anche nel blocco in cui la funzione e'
chiamata.
La dichiarazione di global e' del tipo:

global a,b,c

Questa regola di scope e' chiamata LEGB: Local, Enclosing, Global, Build-in ed e' il modo di cercare i nomi di
Python
In ogni caso una variabile e' locale al file in cui si trova.

Funzioni lambda
Sono funzioni di una sola istruzione, senza nome, con sintassi:
lambda argomento1,argomento1,argomento3: espressione
Esempio:

f= lambda x,y : x+y

f(2,3) produce 5

Le Lambda sono usate in contesti particolari, ove e' comodo mettere una piccola funzione in una sola riga.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 24
Files
Ci sono molte funzioni per trattare i files. Di default i files sono intesi come files di testo, in codifica UTF-8

Input/Output da terminale
Ad un programma Python, anche nell'esecuzione interattiva, sono associati uno "standard" output ed uno
"standard" input, da cui il programma legge e scrive di default.
Per scrivere sullo standard output si usa la funzione "print". In Python 2 "print" invece di una funzione era un
comando.
La funzione print ha un numero arbitrario di argomenti e li stampa in fila su una linea. Ogni comando di stampa
stampa una sola linea, a meno che le stringhe stampate non abbiano dentro il carattere: "\n" , che viene
interpretato come un fine linea.
La lettura da terminale si puo' fare, in Python 3, con la funzione "input", che legge una linea e la mette in una
stringa. La funzione input puo' avere come argomento un "prompt" che viene stampato prima della lettura.
Esempi:

print(a,b) : scrive 2 variabili separate da uno spazio

print("%s xxxx %s" % (a,b)) : scrive a e b separati da xxxx

a=input("=> ") : legge una linea e la mette nella stringa "a"

prima di leggere stampa: "=> "

Uso di files
Per accedere ad un file si usa la funzione "open", che crea un oggetto file e ritorna un riferimento ad esso.
L'oggetto file ha funzioni per accedere al contenuto del file. Ci sono anche funzioni per leggere il file tutto in una
volta e metterne il contenuto in una stringa, e funzioni per farne una lista di stringhe con le singole linee.
L'output e' befferizzato, cioe' non scritto subito sul file, ma posto un un'area di memoria apposita (buffer) e
scaricato sul file, tutto insieme, in un secondo momento, per ottimizzare i tempi di calcolo. La funzione "flush"
scarica il buffer subito.
Il file ha un puntatore che ricorda dove si e' arrivati nella lettura, che, a diversi comandi di lettura, si sposta in
avanti nel file. La funzione seek sposta il puntatore, permettendo di saltare parti del file o di rileggere contenuti
gia' letti.
Il file viene chiuso con la funzione "close", che elimina il riferimento al file.
Nella funzione che apre un file si da in argomento il nome del file ed un un carattere che specifica se e' aperto
solo per lettura, per scrittura o modifica.
Esempi:

f= open('filetest','w') : apre un file di nome filetest per scriverci.

e crea un oggetto f, di tipo "file"

f1=open('filetest2','r') : apre un file di nome filetest per leggerlo

f2=open('filetest3','r+'): per leggere e scrivere
f3=open('filetest4','a') : per aggiungere in fondo al file

f1.close() : chiude il file. L'oggetto 'f' viene distrutto

Una volta che un file e' aperto si puo' leggere o scrivere, ci sono diverse funzione per la lettura e scrittura

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 25
stringa1=f1.readline() : legge una linea dal file f1 e la mette in stringa1
stringa2=f1.read() : mette in stringa2 tutto il file f1

stringhe=f1.readlines() : legge tutto il file e ne fa una lista

ogni elemento della lista e' una linea del file

f.writelines(stringhe) : scrive, di seguito, le stringhe della

lista. Per essere scritte su diverse linee le
stringhe devono finire con: "\n"

f.write('stringa') : scrive sul file una stringa

f.write('stringa\n') : scrive sul file una linea
(\n e' il carattere di fine linea)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 26
Moduli
Programmi python possono essere organizzati in files, contenuti in una gerarchia di cartelle.
Un file costituisce un "modulo", un insieme di istruzioni e dati auto-consistente. Un modulo ha un nome che e' il
nome del file, senza il suffisso, che per un file con istruzioni Python e': ".py".
Nomi con spazi o caratteri speciali non sono accettati.
Diversi moduli sono organizzati in "packages", che occupano una directory. Il nome del package e' il nome della
directory. Per essere considerata un package una directory deve contenere un file di nome __init__.py, che puo'
anche essere vuoto, ma in genere contiene istruzioni che che inizializzano il package.
Un package puo' contenere subpackages, in sottocartelle.
Python cerca i files con i moduli nella directory corrente, poi in una serie di cartelle definite dall'installazione di
Python. La variabile "path" del modulo "sys" contiene questa lista di cartelle.
Per utilizzare un modulo in un programma bisogna "importarlo". In modo che Python possa eseguire il codice del
modulo, costruire le classi in esso contenute ed organizzare i nomi degli oggetti.
Il comando per importare un modulo in un file A.py e':
import A
a questo punto oggetti definiti nel file A.py possono essere utilizzati riferendosi ad essi con un nome tipo:
A.nomeoggetto
L'istruzione import importa moduli una volta sola nel programma, ulteriori istruzioni import per lo stesso modulo
non vengono eseguite.
Per riferirsi agli attributi del modulo usando un prefisso a scelta, invece del nome del modulo, si usa la sintassi:
import A as newname
Qui ci si riferisce ad un attributo con: "newname.attributo" , invece che "A.attributo" , che non vale piu'.
L'istruzione from permette di importare solo alcuni oggetti da un modulo, ed i loro nomi vengono riconosciuti
senza il nome del modulo come prefisso.
La sintassi e':
from nomefile import nome,altronome
Per usare un nome diverso per un oggetto importato:
from nomemodulo import nomeoggetto as altronome, nomeoggetto2 as altronome2
Per importare tutti i nomi del modulo nel namespace corrente:
from nomefile import *
Se il file con il modulo viene modificato occorre reimportare il file e rieseguire l'istruzione from, ma l'istruzione
import non re-importa moduli; per far questo c'e' una funzione, che fa parte del modulo imp:
import imp
imp.reload(nomemodulo)
Se i moduli sono in una gerarchia di packages (e di directory) si importano con istruzioni tipo:
import nomepackage1.nomepackade2.modulo
Se si vuole importare un package si usa import con il nome della directory del package e Python esegue il file
__init__.py che trova in questa cartella. Spesso questo file importa i singoli file del package.:
import nomedir
Se si importa un sub-package con un'istruzione tipo:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 27
 import nomedir.nomesubdir.nomesubdir
Vengono eseguiti nell'ordine, i files __init__.py che Python trova nelle diverse sotto-cartelle.
Per aggiungere cartelle alla lista di quelle ove python cerca i moduli si fa:

import sys
sys.path.append('/dir/subdir/')

Libreria standard
Python viene distribuito assieme ad un'ampia collezione di moduli, che costituiscono la libreria standard.
Il modulo "sys" contiene variabili e funzioni relative all'interfaccia di sistema che fa partire l'interprete Python, fra
queste:

import sys

sys.argv : argomenti del programma principale

sys.exit() : esce dal programma
sys.modules : moduli caricati
sys.path : search path dei moduli
sys.ps1 sys.ps2 : prompt del python
sys.stdin,sys.stderr,sys.stdout : input/output di default

Il modulo "os" ha funzioni di interfaccia con il sistema operativo, ha funzioni per gestire i files etc. etc. puo' fare
quasi tutto quello che si fa da una shell di Unix:

import os

os.system('pwd') : esegue comando di shell

os.environ : variabili di ambiente
os.putev(nome,valore) : aggiunge variabile di ambiente
os.uname() : nel sistema in Unix

Per le funzioni trigonometriche e varie funzioni matematiche c'e' il modulo "math" , i moduli "time" e "datetime"
serono per data e ora. "pickle" e "json" sono moduli per la serializzazione (trasformare strutture complesse in
stringhe), Ci sono poi moduli per accesso a database, per leggere e scrivere files in formato csv, per costruire
applicazioni di rete e tanti altri.
Moduli ausiliari si trovano in rete, in http://pypi.python.org/ c'e' un vasto indice di moduli. Ci sono programmi
appositi (easy_install, pip), per recuperare ed installare packages da questo archivio.
Il modulo *rpy2* permette di usare il linguaggio R in un programma Python.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 28
NumPy
Le strutture di Python sono eterogenee, questo e' molto comodo per tante applicazioni, ma poco efficiente per
applicazioni numeriche intensive, dato che, per operare su un dizionario od una lista, Python deve, per ogni
elemento, cercare di che tipo e' e la sua posizione in memoria.
Numpy e' un pacchetto ausiliario che rimedia a questo, introducendo strutture multidimensionali, con valori tutti
dello stesso tipo. Il sito di riferimento di NumPy e': numpy.org
La struttura principale di NumPy e' l'oggetto ndarray (con alias : array), il nome significa n-dimensional array. Un
ndarray e' una lista di liste, ma con elementi tutti dello stesso tipo ed alcuni attributi particolari. Internamente e'
ordinato per righe, cioe' una linea dietro l'altra, analogamente a come sono ordinate le matrici nel linguaggio C.
Nella tabella seguente alcuni attributi degli ndarray.

Attributo Significato
ndarray.ndim Il numero di dimensioni dell'array 1: per un vettore; 2 per una matrice
ndarray.shape Il numero di righe e colonne espresse con una tupla (righe,colonne)
ndarray.size Il numero totale di elementi
ndarray.dtype Il tipo degli elementi: str,int,float,boolean,bool,complex, datetime64,
timedelta64 etc. etc.
ndarray.itemsize le dimensioni, in byte, di un elemento

Creazione array, esempi

import numpy as np

c=np.ndarray([3,4]) # crea array 3x4, non inizializzato,

e=np.empty( (3,4) ) # ha dentro valori a caso

# Per creare array monodimensionali da liste,

# NumPy riconsosce che sono interi e gli assegna il
# parametro dtype giusto

b=np.array([11,12,13,21,22,23])

# nell'esempio seguente gli si dice cche sono dei float, a 64 bits

bb=np.array([11,12,13,21,22,23],np.float64)

# per veder gli atributi:

bb.ndim # mi da 1: ho una dimensione

bb.dtype # mi da il tipo: float64
bb.shape # mi da la tupla (6,) e' una sola linea di 6 elementi
bb.size # vale 6: ho 6 elementi
bb.itemsize # vale 8, ho 8 bytes di 8 bit, in totale 64 bits

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 29
Qui creo una matrice (array a 2 dimensioni) da una lista di liste Ho alcuni interi e alcuni float, NumPy converte
tutto in float per avere dati omogenei:

x=np.array( [ (1.5,2,3), (4,5,6) ] )

x.dtype # da: dtype('float64')

# Si possono fare array con valori preimpostati:

z=np.zeros((3,4)) # array 3x4 ,con 0

u=np.ones((2,3),dtype=np.int16 ) # array 2x3, con 1

ar=np.arange(10,30,5) # numeri da 10 a 30, passo 5

q=np.linspace(0,2,9) # numeri da 0 a 2, 9 valori equispaziati

dd=np.array(['aa','ba','ca']) # array di caratteri

Reshape degli array

Si possono cambiare le dimensioni di un array

#Qui da un array monodimensionale creo una

#matrice 2x3 (2 linee, 3 colonne)

b=np.array([11,12,13,21,22,23]) # creo ndarray monodimensionale

k=b.reshape(2,3) # creo matrice 2x3 (2 linee, 3 colonne)

k.shape # mi da la tupla: (2, 3)

Trasformare array
Ci sono molte funzioni per trasformare gli array, vediamo alcuni esempi:

p=np.array([1,2,3,4])
w=np.array([10,20,30,40])

aa=np.concatenate((p, w))

#ottengo: array([1,2,3,4,10,20,30,40])

vstack ed hstack prendono in argomento una tupla di array, e li combinano in verticale od orizzontale,
nell'esempio seguente oteniamo, rispettivamente: una matrice con gli array come righe, ed un array
monodimensionale con i due array di seguito

np.vstack((p, w))
np.hstack((p, w))

Le funzioni vsplit, hsplit dividono un array in orizzontale o verticale nell'esempio che segue separiamo una
matrice in ua lista di array (sempre a 2 dimensioni) con le righe o le colonne

s=np.array([[1,2],[10,20]])
np.vsplit(s,2)
np.hsplit(s,2)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 30
Per copiare un array:

s2=s.copy()

s2=s NON fa una copia, ma da due nomi all'array

Altre funzioni utili sono: sort, per ordinare un array, flip che scambia righe o colonne, (la prima diventa l'ultima e
viceversa).

s.T # e' la trasposta

a.flatten() # un vettore con gli elementi in fila

La funzione unique fa un vettore senza doppioni

ff=np.array([1,1,2,2])
v=np.unique(ff)

Elementi e parti di array

Per riferirsi a singoli elementi o parti dell'array si puo' usare usa la stessa sintassi che si usa per le liste di liste di
Python, ma una notazione preferita e piu' efficiente e' usare gli indici separati da una virgola.
Esempi:

a=np.array([[1,2,3],[10,20,30],[100,200,300]])

a[2][0] # e' la terza riga, prima colonna

a[2,0] # una notazione piu' efficiente.

a[2] # la terza riga, come array monodimensionale

Per gli slices abbiamo la sintassi con i due punti; al solito il primo valore e' compreso, il secondo escluso.

a[0:1,2:3] # prima linea (indice 0), terza colonna.

a[0:1,...] # tutta la prima lineaa[0:1]
# anche: a[0:1] oppure: a[0:1,:]

Indice negativi partono dalla fine di linee o colonne:

a[-1,-1] # E' l'ultimo elemento

Si puo' definire un passo per la selezione, se il passo e' negativo si va all'indietro

s=np.array([1,2,3,4,5])
s[0:s.size:2] # con passo 2, sono i dispari

a=np.array([1,2,3])
a[::-1] # ribalto l'array (indietro con passo 1)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 31
Si possono selezionare elementi con espressioni logiche. Ad esempio un array di valori booleani si puo' usare
per selezionare elementi:

z=np.array([1,2,3,4,5])
j=np.array([True,False,True,False,True])

z[j] # produce: array([1, 3, 5])

Una relazione logica applicata ad un array produce un array booleano, delle stesse dimensioni, per cui possiamo
usare espressioni logiche come indici:

a=np.array([1,2,10,20,40,50,100,200])

b=a[a>20] # valori oltre 20

c = a[(a > 20) & (a < 100)] # valori fra 20 e 100

La funzione any da True se qualche elemento dell'array e' vero, la funzione all se sono tutti veri. Le funzioni
less, equal, not_equal, greater greater_equal less_equal confrontano uno ad uno gli elementi di due array,
producendo array di valori logici:

a=np.array([1,100])
aa=np.array([2,10])

np.less(a,aa) # produce: array([ True, False])

Per selezionare elementi si possono usare come indici array di indici:

j=np.array([1,1,3,3])
aaa=np.array([10,20,30,40,50,60])

aaa[j] # e' array([20, 20, 40, 40])

Algebra con Array

Si possono fare operazioni algebriche con gli array, senza dover iterare sugli elementi, che, in un linguaggio
interpretato, e' un'operazione relativamente lenta. Vediamo alcuni esempi:

n=np.array([[0,0,1],[0,1,0],[1,0,0]])
a=np.array([[1,2,3],[10,20,30],[100,200,300]])
b=np.array([1.1,2.1,3.1])
c=np.array([10.1,20.1,30.1])

b+c # somma gli elementi: array([11.2, 22.2, 33.2])

b*10 # moltiplica ogni elementi per 10
b*c # moltiplica elementi fra loro: array([11.11, 42.21, 93.31])

a[0]-1 # la prima riga, meno uno: array([0, 1, 2])

a-b # toglie il vettore b ad ogni linea di a
n*b # moltiplica ogni riga di a per b

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 32
Il prodotto di un vettore per una matrice si fa con la funzione dot; vdot e' il prodotto vettoriale:

np.dot(n,b)
np.dot(n,n) # prodotto fra matrici: righe per colonne

Ci sono un sacco di funzioni per gli arrays, possono avere come parametro axis=0 oppure axis=1, per dare un
valore per ogni riga o per ogni colonna di una matrice; altrimenti danno un valore singolo od un array
monodimensionale.

a.sum() # somma degli elementi

a.min() # l'elemento minimo
a.max() # l'elemento massimo
a.min(axis=0) # array di elementi minimi di ogni colonna:
a.min(axis=1) # array di elementi minimi di ogni riga:

a.cumsum() # cumulativa
a.cumsum(axis=1) # cumulativa per righe
a.cumprod() # prodotto cumulativo (produce array 1-dim)

a.mean() # media
a.var() # varianza
a.std() # deviazione standard
a.trace() # traccia (somma sulla diagonale)

Operare su array con funzioni

Si puo' applicare un funzione a un array, ottenendo un array di risultati, che operano sui i valori corrispondenti
degli array in agomento.
Per far questo occorre vettorializzare la funzione.
Esempio:

def myfunc(a,b):
return a*b

vfun=np.vectorize(myfunc) # ora ha in argomenti array e produce array

a=np.array([1,2,3])
b=np.array([10,20,30])

vfun(a,b) # produce: array([10, 40, 90])

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 33
Iteratori
Quando si puo' conviene evitare di iterare sugli elementi di un array, ma si puo' fare; per iterare sugli elementi di
un vettore si usa il for di Python, per una matrice restituisce ad ogni giro una riga, come array
monodimensionale:

a=np.array([[1,2],[10,20]])
for i in a:
print(i)

Per iterare sui singoli elementi della matrice (flat e' un iteratore non una funzione):

for i in a.flat:
print(i)

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 34
Matplotlib
Si tratta di tool grafici per Python, il sito di riferimento e': matplotlib.org ove si trova la documentazione e molti
esempi.
Qui non tratteremo immagini e grafici a tre dimensioni, ma matplotlib ha funzioni per trattare immagini ed inserire
immagini nei grafici. Il toolkit: mplot3d permette grafici in 3 dimensioni.
Matplotlib usa Numpy, nel senso che grafica vettori di NumPy od oggetti (come liste) che possono essere
convertiti in vettori di Numpy.
Per usare matplotlib occerre importare il pacchetto omonimo ed importare anche la sua componente pyplot, che
fornisce comandi sintetici per i grafici:

import matplotlib as mpl

import matplotlib.pyplot as plt
import numpy as np

Oggetti di base in matplotlib sono:

Figure L'intero spazio su cui si fa il grafico

Axes Identifica una regione, nella Figure ove fare il grafico. E' il principale oggetto per
gestire la grafica. I comandi per la grafica sono attributi di questo oggetto, come
anche il titolo del grafico e le labels degli assi.
Axis Sono i singoli assi del grafico, con i tick mark, e le scritte relative
Artist Un termine che indica tutte le componenti software che eseguono parti del
disegno

All'inizio occorre creare una "Figure"; non e' necessario farlo in modo esplicito; routines di pyplot, come subplots
, o anche altri comandi per fare grafici, lo fanno automaticamente, subplots crea anche oggetti Axes associati
alla Figure ed, eventualmente divide l'area della Figure in diversi rettangoli in cui fare grafici, ogni rettangolo con i
suoi oggetti Axes.

fig = plt.figure() # Una figura vuota

fig,ax = plt.subplots() # Una figura con un oggetto Axes
fig,axs= plt.subplots(2,2)# Una figura divisa in 2 parti, con i loro Axes

Il creatore della Figure ha una serie di parametri di tipo keyword, opzionali, alcuni sono illustrati nella tabella
seguente.

figsize=(width, height) Dimensioni della figura, in pollici

dpi=100.0 Risoluzione, in punti per pollice
facecolor='white' Colore dello sfondo
edgecolor='white' Colore del bordo
linewidth=1.0 Spessore della linea al bordo (pixels)

La Figure ha molte funzioni per gestire il grafico, ne elenchiamo alcune, anche se in genere, per operare sul
grafico, si utilizzano le funzioni simili della componente marplotlib.pyplot (nella tabella "fig" e' un'istansa di
Figure).

fig.add_axes() Aggiunge oggetto Axes (assi del plot)

fig.figimage () Aggiunge un'immagine
fig.get_axes() Ottiene una lista degli axes

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 35
 fig.legend() mette una leggenda nella figura
fig.savefig(nomefile) Mette la figura in un file
fig.text(x,y,testo) Aggiunge un testo in posizione x,y

L'oggetto Axes definisce il sistema di coordinate per il plot , il disegno dei singoli assi (oggetto Axis), testo, linee
della figura etc. I principali comandi per i grafici sono funzioni dell'oggetto Axes, nella tabella seguente alcuni di
essi, con "ax" e' indicata un'istanza di Axes (non sono elencati tutti gli argomenti).

ax.plot(x,y,formato) Un grafico degli array in argomento Il formato e' una stringa che
dice disegnare i punti: colore e forma
ax.scatter(x,y) Per scatter plots, ha anche argomenti per il formato ed i colori dei
punti
ax.bar(x,h,width=0.8) Per plot a torri
ax.barh(x,h,width=0.8) Per plot a torri in orizzontale
ax.pie(x) Grafici a torta
ax.hist(x) Istogrammi
ax.contour(x,y,z) Grafici a livelli

Abbiamo anche molte funzioni di Axes per definire l'aspetto del grafico, alcune sono elencate nella tabella
seguente.

ax.text(x,y,stringa) Mette un testo in posizione x,y

ax.arrow(x,y,dx,dy) Mette una freccia
ax.set_xscale('log') ax.set_yscale('log') Per assi logaritmici
ax.set_title('titolo') Il titolo del frafico
ax.set_yticks([..]) ax.set_xticks([..]) Posizioni dei segni sugli assi
ax.set_xlabel('string') Nomi degli assi
ax.set_ylabel('string')

I formati per il comando plot sono stringhe di 3 o 4 caratteri, il primo indica il colore, il secondo come sono
disegnati i punti, il terzo le linee. Il default e': "b-" una linea blu.
Per i colori abbiamo: "b" per blu, "g" per verde, "r" rosso, "c" ciano, "m" magenta, "y" giallo, "k": nero, "w": bianco.
Per i punti abbiamo".": punto, "o": cerchi, "< > ^ v" per triangoli nelle diverse direzioni, "8" per ottagoni. "s":
quadrati, 'p': segno piu', "*" : stelline, "x X" : croci ; "1 2 3 4 ": per segni a v.
Per le linee: "-" : linea , "__" : trattini. "-." tratini e punti , ":" puntini.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 36
matplotlib.pyplot
L'uso di matplotlib e' molto semplificato dal sub-package pyplot. Questo modulo contiene funzioni che creano in
automatico la Figure ed hanno valori di default per gli Axes, per cui tutto e' molto piu' semplice.
Nella tabella che segue vediamo alune funzioni di pyplot. plt sta per matplotlib.pyplot, qui si assume che abbiamo
importato pyplot con: "import matplotlib.pyplot as plt".

plt.plot(x,y,'formato') Fanno diversi tipi di grafici analoghe alle funzioni

plt.scatter(x,y) omonime dell'oggetto Axes
plt.bar(x,h)
plt.pie(x)
plt.hist(x)
plt.contour(x,y,z)
plt.xscale('log') Scale logaritmiche o lineare
plt.yscale('linear') (default: 'linear')
plt.xlabel('stringa) Per nomi degli assi
plt.ylabel('stringa)
plt.xticks([x val],('labels')) valori e segni sugli assi, in argomento una lista di
plt.yticks([y val],('labels')) posizioni ed una lista, o tupla di stringhe
plt.axis([xmin,xmax,ymin,ymax]) Estensione degli assi
plt.suptitle('stringa') Titolo generale della Figure per figure con piu' grafici
plt.title('stringa') Titolo per un singolo grafico
fig=plt.figure() Si puo' ottenere una figura, dividerla in parti e definire
ax1=plt.subplot(2,1,1) oggetti Axes per ogni parte
ax2=plt.subplot(2,1,2)
plt.clf() Svuota la Figure
plt.cla() Resetta Axes
plt.text(x,y,'testo') Mette un testo
plt.grid(True) Mostra un reticolo sulla figura

Le funzioni di matplotlib hanno molti parametri, in genere i default sono sufficienti, ma e' anche possibile definire
minimi dettagli del grafico.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 37
Vediamo ora alcuni esempi di grafici semplici.
Nell'esempio seguente matplotlib usa dei valori di default per fare tutto lui, figura, assi ,thick mark etc. La
funzione show() mostra il grafico in una sua finestra, ma poi lo resetta, per cui il salvataggio su file (funzione
savefig) va fatto prima:

import matplotlib.pyplot as plt

plt.plot([1,2,3],[10,20,30])
plt.savefig('figA1.png')
plt.show()

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 38
In questo secondo esempio abbiamo uno "scatter plot" grafichiamo insieme due funzioni, specificando un colore
e simbolo per ognuna, di diamo un titolo, nomi e dimensioni agli agli assi, mettiamo un testo:

import matplotlib.pyplot as plt

x=[1,2,3,4]
y=[2,4,6,8]
z=[1,4,9,16]

plt.plot(x, y, 'ro',x,z,'bs')
plt.axis([0,6,0,20])
plt.title('Semplice plot')
plt.xlabel('asse x')
plt.ylabel('asse y')
plt.text(4,18,'una parabola')
plt.text(4,9,'una retta')
plt.savefig('figA2.png')
plt.show()

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 39
Nell'esempio seguente facciamo un istogramma Il secondo argomento della funzione hist dice in quanti gruppi
raggruppare i valori di x la funzione restituisce 3 oggetti:

• n: una lista con l'istogramma

• bins: i 6 valori che delimitano l'istogramma
(ha diviso l'intervallo 1:5 grande 4, in 5 parti)
• patches: lista dei rettangoli dell'istogramma

import matplotlib.pyplot as plt

x = [1,2,2,2,2,3,3,3,4,4,4,4,4,4,5,5,5,5,5]

n,bins,patches = plt.hist(x,5)
plt.xlabel('valore')
plt.ylabel('frequenza')
plt.title('Istogramma')
plt.axis([0,5,0,10])
plt.grid(True) # mette un reticolo
plt.show()

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 40
Vediamo ora un grafico a torta. patches: sono i disegni delle fette, testo: una lista con le labels:

import matplotlib.pyplot as plt

x = [10,50,20,20]

patches,testi=plt.pie(x,colors=('b','g','y','r'),
labels=('blu','verde','giallo','rosso'))
plt.title('Torta')
plt.show()

In questo esempio abbiamo un grafico a torta.

patches: sono i disegni delle fette,
testo: una lista con le labels

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 41
Qui abbiamo un "bar plot", diamo esplicitamente valori ai "tick marks" dell'asse x:

import matplotlib.pyplot as plt

x=[1,2,3,4]
h=[1,3,5,2]
plt.xticks(x,('uno','due','tre','quattro'))
plt.bar(x,h)
plt.show()

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 42
Ancora un "bar plot, ma con barre orizzontali:

import matplotlib.pyplot as plt

x=[1,2,3,4]
h=[1,3,5,2]
plt.xticks(x,('uno','due','tre','quattro'))
plt.barh(x,h)
plt.show()

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 43
Bar plot orizzontale, con barre di diverso colore:: e label sull'asse y:

import matplotlib.pyplot as plt

x=[1,2,3,4]
h=[1,3,5,2]
plt.yticks([1,2,3,4],('red','green','blue','yellow'))
plt.barh(x,h,color=['r','g','b','y'])
plt.show()

Vediamo ora un esempio piu' complicato (preso dal tutorial di matplotlib, ma modificto)

import matplotlib.pyplot as plt

import numpy as np

# qui usiamo numpy e definiamo x ed y di una funzione

x = np.arange(0.0, 5.0, 0.01)

y = np.cos(2 * np.pi * x)

# Qui dividiamo la figura in 2 parti: individuate

# da un reticolo di 1 linea e 2 colonne
# ( i primi 2 argomenti di subplot),
# facciamo una figura allungata,con il parametro figsize

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 44
 fig,ax= plt.subplots(1, 2,figsize=(7, 2.7))

# Siccome abbiamo 2 grafici, la funzione subplot ci

# restituisce un array di due oggetti Axes,

ax1=ax[0] # axes del primo grafico

ax2=ax[1] # axes del secondo grafico

# faccio un primo grafico, plot mi torna una lista

# di oggetti che rappresentano le linee da disegnare

l1= ax1.plot(x,y,'r1')

ax1b = ax1.twinx() # mi creo un Axes ausiliario a destra

# un secondo grafico, con una altra scala, associato all'asse a destra

l2 = ax1b.plot(x,range(len(x)), 'C1')

# metto una legenda, associata alle linee.

ax1b.legend([l1[0], l2[0]], ['Sine (left)', 'Straight (right)'])

# ora il secondo grafico, nel secondo riquadro della figura

ax2.plot(x,y,'bo')
ax2.set_xlabel('Angle [rad]') # label per asse x

# Ora faccio un asse secondario in alto, i cui valori sono

# ottenuti dai valori del primo asse con una funzione che
# definisco, assieme all'inversa.

ax2b = ax2.secondary_xaxis('top', functions=(np.rad2deg, np.deg2rad))

ax2b.set_xlabel('Angle [gradi]')

Per ulteriori esempi e dettagli sui grafici ai rimanda al sito: matplotlib.org

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 45
Pandas
Il pacchetto Pandas estende Numpy, creando strutture a una o due dimensioni, in cui righe e colonne hanno un
nome che le identifica.
Le strutture ad una dimensione sono dette Series quelle a due dimensioni DataFrames.
I nomi e i tipi delle righe e delle colonne sono in oggetti di tipo Indexes. Le colonne sono oggetti: columns, le
righe: index
I DataFrasmes sono particolarmente utili, in pratica e' come maneggiare direttamente una tabella di un database,
o un foglio excel.
Come per gli array di si possono fare operazioni algebriche con Seried e DataFrames, qui pero' si combinano fra
loro elementi che hanno lo stesso nome per righe e colonne, anche se il loro ordine e' diverso.
Pandas ha anche strumenti per la gestione di serie temporali, tratta valori mancanti nelle tabelle, integra
matplotlib per la grafica e scipy per algoritmi lmatematici.
Il sito di riferimento e': https://pandas.pydata.org ove si trova anche tutta la documentazione
Il testo di riferimento e' il libro di Wes McKinney (il creatore di Pandas):
"Python for Data Analysis" by Wes McKinney 3nd Edition , O'Reilly
ISBN-13: 978-1098104030 , ISBN-10: 109810403X
Il libro e' on-line: https://wesmckinney.com/book/

Strutture per i dati: Series

Una Series e' un array monodimensionale di numpy, quindi con elementi tutti dello stesso tipo, che possono
essere interi, float, stringhe o qualunque altro oggetto Python.
A questo array e' associato in index, che ha un valore per ogni dato ed e' un identificativo del dato, di default
sono una sequenza di interi, cha pertono da zero.
Sono ammessi dati mancanti, ovvero indici senza un dato corrispondente, in questo caso il dato e' indicato con:
NaN (not a number).
Una Series puo' essere costruita a partire da una lista, un dizionario, una array di numpy, o anche un singolo
valore:

import numpy as np
import pandas as pd

k= pd.Series(dtype='int') # una serie vuota, di interi

k= pd.Series(dtype='int',name='vuota') # una Series puo' avere un nome

# una serie di interi, con lettere come indici

s= pd.Series([0,1,2,3,4],index=['a', 'b', 'c', 'd', 'e'])

# numeri a caso, fra 0 ed 1, con interi come indice

s1 = pd.Series(np.random.rand(5), index=[1,2,3,4,5])

# utilizzando un dizionatio le *key* diventano gli indici

s2 = pd.Series( {'a' : 0., 'b' : 1., 'c' : 2.} )

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 46
 # utilizzzando un singolo valore

s3=pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])

Elementi e parti di una Series (slices), possono essere ottenuti utlizzando indici interi, fra quadre, oppure il valore
dell'indice:

s= pd.Series([0,10,20,30,40],index=['a', 'b', 'c', 'd', 'e'])

s[1] # vale 10

s[:3] # una Series con i primi 3 elementi (i numeri da 0 a 2)

s['b'] # vale 10

s['b':'e'] # una serie con fli elementi con indici da 'b' ad 'e' (compresi)

L'operatore in opera sull'index:

'c' in s # e' True

10 in s # e' False

for itera normalmente sull'array, non sull'indice, per iterare sull'indice bisogna fare:

for i in s.index:
print(i,s[i]) #stampa indice e valore dell'elemento

Le operazioni per gli array di numpy si applicano alle Series:

s[s > s.median()] # Series dei valori maggiori della mediana

s[s == s.mean()] # Series con il valor medio

s[[1,2]] # Uso di liste come indici (si ottengono Series)

s[['b','c']]

np.sum(s) # ma somma dei valori

s+s # Series con elementi di valore doppio

s*2

Usando indici con elementi si ha un errore se l'elemento non e' presente, la funzione get invece produce
l'oggetto 'None':

s[f] # da errore keyerror

s.get('f') # da "None"

Serie possono esere convertire in dizionari:

s.to_dict()

E' possibile cambiare l'indice riassegnando l'oggetto Index:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 47
 s.index=['a','b','c','d','e']

Strutture per i dati:Dataframe

Queste strutture a due dimensioni, hanno identificativi per le linee, in index come se Series, ma anche in
identificativo per le colonne: columns.
Un dataframe si puo' costruire a partire da un dizionario di serie, un dizionario di liste, da liste di dizionati, da
dizionari di dizionari etc. etc.
Come primo esempio creiamo una dataframe da un dizionario di liste:

import pandas as pd
d = {'col1': [1, 2], 'col2': [3, 4]}
df = pd.DataFrame(data=d)

col1 col2
0 1 3
1 2 4

Abbiamo creato un dataframe con due colonne, una colonna per lista, gli indici del dizionario diventano i nomi
delle colonne:
Creiamo da un dizionario di Series:

d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),

'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}

df = DataFrame(d)

one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0

Abbiamo creato un dataframe con due colonne, una colonna per ogni chiave del dizionerio, le chiavi del
dizionario diventano i nomi delle colonne. Qui abbiamo dato gli indici, che di default sono interi crescenti che
partono da zero.
Creiamo un dataframe da una lista di dizionari:

data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]

df2=pd.DataFrame(data2)

a b c

0 1 2 NaN
1 5 10 20.0

Ogni dizionario diventa una riga, le chiavi sono nomi di colonne, i dati mancanti sono indicati con: NaN;
La funzione DataFrame.from_records costruisce il dataframe a partire da tuple; DataFrame.from_dict
costruisce il dataframe da un dizionario, procedendo per righe o per colonne. df.to_dict converte un dataframe
in un dizionario:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 48
 dd={ 'd1':{'da':1,'db':2},'d2':{'da':3,'dc':4}}
df3=pd.DataFrame.from_dict(dd,orient='index')

da db dc
d1 1 2.0 NaN
d2 3 NaN 4.0

df4=pd.DataFrame.from_dict(dd,orient='columns')

d1 d2
da 1.0 3.0
db 2.0 NaN
dc NaN 4.0

Gli attributi index e columns sono oggetti tipo: Index con la lista dei nomi dell righe e colonne; il nome delle
colonne deve essere unico, invece righe diverse possono avere nomi uguali:

Ad esempio prendiamo il dataframe df con:

one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0

df.index
Index(['a', 'b', 'c', 'd'], dtype='object')

df.columns
Index(['one', 'two'], dtype='object')

Un dataframe ha anche l'attributo dtypes che e' una Series con i tipi di dato di ogni colonna e, come indici, i nomi
delle colonne:

one float64
two float64

Altri attributi sono shape : tupla con numero righe e colonne, axes : lista di oggetti index con nomi righe e
colonne, values: una array di numpy con i valori,

df.shape
(4, 2)

df.axes

[Index(['a', 'b', 'c', 'd'], dtype='object'),

Index(['one', 'two'], dtype='object')]

La funzione df.describe() fa una statistica dei valori delle colonne, df.info() da una descrizione del dataframe.
Creando un dataframe da un dizionario e dando index e columns in modo esplicito, dal dizionario si prendono
solo i valori indicati, e si mette NaN quando i valori indicati mancano:

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 49
 w=pd.DataFrame(d, index=['d', 'b', 'k'], columns=['two', 'three'])

two three
d 4.0 NaN
b 2.0 NaN
k NaN NaN

Per copiare una dataframe:

dff=df.copy()

Come per le serie, l'assegnazione: dff=df crea un secondo nome per il dataframe., ma non lo copia.
Come per le Series in un dataframe possono mancare alcuni valori e questi sono identificati con: NaN . La
funzione dropna elimina righe o colonne con valori mancanti, fillna mette un valore al posto dei mancanti:

df.dropna(axis=0,how='any') # elimina righe con qualche dato mancante

df.dropna(axis=1,how='all') # elimina colonne con tutti dati mancanti

df.fillna(100) # fa copia di df con 100 al posto dei mancanti

La funzione fillna ha diversi parametri per gestire i dati mancanti: metterci valori diversi per ognuno, propagarli
lungo una riga o colonna, rimpiazzarne solo alcuni.
df.T e' la trasposte del dataframe, con righe e colonne scambiate.
La funzione rename cambia nomi ad indici e colonne, anche la funzione reindex riordina indici e colonne:

dff=pd.DataFrame({'c1':[1,2],'c2':[3,4]})

c1 c2
0 1 3
1 2 4

dff.rename(index={0:'zero',1:'uno'},columns={'c1':'col1'})

col1 c2
zero 1 3
uno 2 4

dff.reindex(index=[1,0],columns=['c2','c1','c3'])

c2 c1 c3
1 4.0 2.0 NaN
0 3.0 1.0 NaN

Mette NaN ove mancano valori.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 50
Dataframe, selezione righe e colonne
I nomi delle colonne permettono di selezionarne una, vista come una Series, o piu' colonne, viste come
Datframe:

df['nomecol'] #: una singola Series, di nome 'nomecol'

df[['nomecol','nomecol']]# un DataFrame con solo le cols selezionat
df[['nomecol']] # un dataframe di una sola colonna

df.nomecol # la colonna e' vista come attributo

la sintassi con : serve a selezionare righe:

df=pd.DataFrame({'c1':[1,2],"c2":[3.4]},index=['a','b'])

c1 c2
a 1 3
b 2 4

df[0:1]

c1 c2
a 1 3

df['a':'b']

c1 c2
a 1 3
b 2 4

Per selezionare sia righe che colonne:

df[0:1]['c1']

a 1

df[0:1][['c1','c2']]

c1 c2
a 1 3

Anche gli attributi loc ed iloc selezionano righe:

df.iloc[0] # la prima riga, vista come una serie,

df.loc['a'] # la righa con index: *a*, e' una serie
# i nomi delle colonne sono gli indici
c1 1
c2 3

df.loc e df.iloc possono anche essere usati per selezionare sia righe che colonne:

df.loc['a':'b','c2'] # il primo indice e' la riga

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 51
 a 3
b 4
Name: c2, dtype: int64

df.loc['a':'b',['c1','c2']]
df.iloc[0:2,[0,1]]

c1 c2
a 1 3
b 2 4

df.loc['a','c1'] # il primo indice e' la riga

df.iloc[0,0] # il secondo la colonna

Per selezionare un singolo elemento si possono usare "at" od "iat":

df.at['a','c2'] # vale: 3.4; elemento della riga: 'a' , colonna: 'c2'

df.iat[0,1] # vale: 3.4; elemento della prima riga, seconda colonna

Operazioni logiche fra colonne sono Series booleane:

df['c1']>3

a False
b False

Espressioni logiche sulle colonne possono essere usate come indici per selezionare righe di un DataFrame:

df[df['c1']>1] # righe con la colonna c1 >1

c1 c2
b 2 4

df[[True,False]] # prima riga True, la prendo, l'altra no

c1 c2
a 1 3

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 52
Dataframe, modifica righe e colonne
Vediamo alcuni esempi; definiamo un dataframe:

import pandas as pd
d={c1:[11,21],c2:[12,22]}
df=pd.DataFrame(d,index=['r1','r2'])

c1 c2
r1 11 12
r2 21 22

Per eliminare colonne:

df.drop(columns='c1') # questo elimina colonne (fa una copia di df)

df.drop('c1',axis=1)
del df['c1'] # questo non fa una copia di *df*, ma lo modifica

Per aggiungere colonne, o cambiarene il contenuto:

df['c3'] = [13,23] # aggiungo una colonna (alla fine)

df['c4'] = pd.Series(['a','b','c']) # aggiungo una Series come colonna
df['c5'] = 3 # nuova colonna, ogni elemento con: '3'

df.insert(1,'c1',[12,22]) # aggiungo una colonna in posizione: *'0'*

c1 c2 c3 c4 c5
r1 12 12 13 NaN 3
r2 22 22 23 NaN 3

df['c1']=df['c1']*100 # moltiplica i valori delle colonna per 100

Per eliminare righe:

df.drop(['r1','r2']) # elimina righe in una copia del dataframe

df.drop('r1',axis=0)
df.drop(index=['r1','r2'])
df.drop(index='r1',inplace=True] # qui non crea una copia, modifica 'df'

Per cambiare valori di righe:

df.loc['r1']=1333 # mette un unico valore in tutta la riga

df.loc['r1']=[1,2,3,4,5] # ridefinisc i valori di una riga

df.loc['r1','c2']=1234 # cambia un singolo valore

Si possono fare modifiche ad un dataframe usando condizioni logiche come indici:

df[df<20]=0 # tutti glie lementi minori di 20 diventano 0

df[df==0]=np.nan # al posto di '0' mette: NaN: valore mancante.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 53
Algebra con DataFrame
Come per le Series, quando si fanno operazioni sui dataframe vengono fatti corrispondere valori con righe e
colonne di stessi nomi; mettendo: 'NaN' in caso di valori non corrispondenti:

df+df1 # somma elemento per elemento

df.add(df2)

La somma di una serie ad un Daframe opera per righe, nel senso che gli indici della serie corrispondono alle
colonne del dataframe e la serie e' sommata ad ogni riga; analoga cosa vale per le altre operazioni fra serie e
dataframe:

df
c1 c2
r1 11 12
r2 21 22

df.iloc[0] # una serie, con indici i nomi delle colonne

c1 11
c2 12
Name: r1, dtype: int64

df+df.iloc[0] # i valori della serie sono sommati ad ogni riga

c1 c2
r1 22 24
r2 32 34

Per sommare una serie ad ogni colonna si usa la funzione add, con il parametro axis=0

s=pd.Series([100,200],index=['r1','r2'])

df.add(s,axis=0)

c1 c2
r1 111 112
r2 221 222

Le operazioni con singoli valori operano su tutti gli elementi del Data Frame:

df * 5 + 2 # ogni elemento e' moltiplicato per 5 e aumentato di 2

1 / df # applicato ad ogni elemento
df ** 2 # eleva al quadrato ogni elemento

df.T : trasposta ; scambia righe e colonne

Se il dataframe contiene valori logici si possono utilizzare operatori logici, ottenendo sempre dataframe booleani:

df1 & df2

df1 | df2
df1 ^ df2

-df1 : muta veri in falsi e viceversa

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 54
Per applicare una funzione generica alle colonne di una dataframe, ed ottenere una serie con un valore per ogni
colonna, si usa la funzione apply:

df.apply(lambda x: max(x))

La Series ottenuta ha come indici i nomi delle

colonne e contiene il valore massimo di ogni colonna.

Dataframe ed iteratori
L'istruzione for itera sui nome delle colonne:

for col in df:

print(col)

c1
c2

Per ottenere, a ogni iterazione, una colonna:

for colname,col in df.iteritems():

# qui colname e' il nome della colonna

# col e' una serie, con la colonna

Per ottenere, ad ogni iterazione, una serie con una riga:

for indice,riga in df.iterrows():

# qui indice e' il nome della riga

# riga: la Series contenente la riga

Funzioni per i dataframe

Una funzione utile e' reindex, che permette di gestire nomi di righe e colonne:

df.reindex(index=['c', 'f', 'b'], columns=['three', 'two', 'one'])

df.reindex_like(df2) # mette indici di altro oggetto

Per applicare una generica funzione ad ogni elemento di un dataframe si usa "applymap", ad esempio:

f = lambda x: len(str(x))
df.applymap(f)

Per ordinare le righe di una dataframe in base ai valori degli indici si puo' usare la funzione 'sort_index':

dff=pd.DataFrame({3:[20,22],2:[10,40]},index=[300,200])

3 2
300 20 10
200 22 40

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 55
 dff.sort_index() # ordino le righe

3 2
200 22 40
300 20 10

dff.sort_index(axis=1) # ordino le colonne

2 3
300 10 20
200 40 22

Si puo' ordinare un dataframe in base ai valori di una colonna, qui ordino le righe in base ai valori delle colonna:
'2', in ordine inverso:

dff.sort_values(by=[2],ascending=False)

3 2
200 22 40
300 20 10

Le funzioni concat, join, merge, combinano insieme dataframe:

• concat: unisce dataframes mettendoli uno sotto l'altro od accanto all'altro

• join unisce le colonne di dataframe selezionando le righe in base agli indici
• merge unisce le colonne di dataframe selezionando le righe in base a valori di una colonna comune
Per i dettagli si rimanda alla documentazione di pandas.

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 56
Indice
Python 1
Caratteristiche del linguaggio 1
Riferimenti 2
Installazione di Python 3
Installazione di Anaconda su Windows 3
Installazione minimale su Windows 3
Installazione su sistemi Linux 4
Installazione su macOS 4
Come usare Python 5
Usando la shell del linguaggio 5
Programmi python in un file 5
Interfacce grafiche 6
Sintassi 7
Variabili 7
Oggetti 7
Oggetti e riferimenti 7
Oggetti mutabili ed immutabili 7
Keywords 8
Tipi 8
Docstring: 10
Operatori 11
Operatori di assegnazione 11
Operatori aritmetici 11
Operatori logici 11
Operatori logici per i confronti. 12
Operatori logici per l'appartenenza 12
Operatori bit a bit 12
Sequenze 13
Liste 13
Stringhe 14
Dizionari 15
Tuple 16
Sets e Frozensets 17
Istruzioni 18
Blocchi logici 18
Assegnazione 18

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 57
 Esecuzione condizionale 18
Istruzioni cicliche 19
Iterabili ed iteratori 19
List comprehensions 20
Funzioni per iterabili 21
Funzioni exec ed eval 21
Funzioni 22
Argomenti 22
Campo di validita' della funzione (scope della funzione) 24
Campo di validita' delle variabili (scope delle variabili) 24
Funzioni lambda 24
Files 25
Input/Output da terminale 25
Uso di files 25
Moduli 27
Libreria standard 28
NumPy 29
Creazione array, esempi 29
Reshape degli array 30
Trasformare array 30
Elementi e parti di array 31
Algebra con Array 32
Operare su array con funzioni 33
Iteratori 34
Matplotlib 35
matplotlib.pyplot 37
Pandas 46
Strutture per i dati: Series 46
Strutture per i dati:Dataframe 48
Dataframe, selezione righe e colonne 51
Dataframe, modifica righe e colonne 53
Algebra con DataFrame 54
Dataframe ed iteratori 55
Funzioni per i dataframe 55

Corso di Python per AIAM, Version: 21-05-2023 22:00, by Marcello Galli. Pag. 58