Hai presente quel momento in cui qualcuno ti passa un file CSV — vendite, misurazioni, risultati di un esperimento — e tu apri l’editor pronto a scrivere open("dati.csv"), un ciclo for, uno split(",") e un dizionario per accumulare i totali? Venti righe dopo funziona, ma è fragile: una virgola dentro un campo e tutto si rompe, una colonna in più e riscrivi mezzo script. Oggi impari lo strumento che rende tutto questo una riga sola: Pandas, la libreria che porta il foglio di calcolo dentro Python — ma programmabile, riproducibile e molto più veloce delle tue dita su Excel.
Series e DataFrame, selezione e filtri, raggruppamenti e valori mancanti, e i grafici: nel libro.
Leggi «Pandas e Matplotlib: dati e visualizzazione» nel libro →
Prerequisiti in una riga: se non ricordi bene NumPy, ti basta sapere che i suoi array sono liste «compatte» di numeri dello stesso tipo, su cui le operazioni si applicano a tutti gli elementi in un colpo solo senza cicli — Pandas è costruito proprio sopra NumPy. Ambiente: Python 3.12 in un ambiente virtuale (python -m venv .venv e poi pip install pandas, oppure uv venv && uv pip install pandas se usi uv), un editor come VS Code o PyCharm.
Perché Pandas, se ho già NumPy?
Un array NumPy è perfetto quando i dati sono omogenei: una griglia di numeri, tutti dello stesso tipo. Ma i dati veri raramente sono così. Un dataset di clienti ha nomi (stringhe), età (interi), spese (decimali), date di iscrizione. E soprattutto: le righe e le colonne significano qualcosa. La colonna 2 non è «la colonna 2», è «la spesa mensile»; la riga 40 non è «la riga 40», è «il cliente Rossi». NumPy ti costringe a ricordare a memoria queste corrispondenze; Pandas le scrive direttamente sulla struttura dati. È la differenza tra un magazzino di scatoloni anonimi tutti uguali e uno schedario con l’etichetta su ogni cassetto: il contenuto può essere lo stesso, ma nel secondo trovi quello che cerchi senza contare i cassetti.
La Series: un array con le etichette attaccate
Il mattone base di Pandas è la Series: una singola colonna di dati con un’etichetta per ogni valore. Immaginala come una colonna di foglio di calcolo dove ogni cella ha un post-it a fianco che dice a cosa si riferisce.
# series_base.py — Python 3.12, richiede: pip install pandas
import pandas as pd
# Una Series da un dizionario: le chiavi diventano l'indice
temperature = pd.Series({
"Milano": 31.5,
"Roma": 34.0,
"Napoli": 33.2,
"Torino": 29.8,
})
print(temperature)
# Milano 31.5
# Roma 34.0
# Napoli 33.2
# Torino 29.8
# dtype: float64
# Accedi per etichetta, come in un dizionario...
print(temperature["Roma"]) # 34.0
# ...ma operi su tutto in un colpo, come in NumPy
print(temperature - temperature.mean()) # scarto dalla media, città per città
print(temperature[temperature > 31]) # solo le città sopra i 31 gradi
Guarda l’ultima riga: hai filtrato i dati scrivendo la condizione, non il ciclo che la verifica. Questo è lo stile che Pandas ti chiede di adottare — dichiari cosa vuoi, non come ottenerlo. Se arrivi da anni di cicli for all’inizio sembra magia; dopo una settimana non torni più indietro.
Il DataFrame: tante Series che condividono lo stesso indice
Un DataFrame è la tabella completa: più colonne (ognuna è una Series) allineate su uno stesso indice di righe. Se la Series è una colonna con i post-it, il DataFrame è lo schedario intero: ogni cassetto (riga) ha la sua etichetta, e ogni tipo di contenuto (colonna) ha il suo nome.
# dataframe_base.py
import pandas as pd
# Un DataFrame da un dizionario di liste: chiavi = nomi colonna
citta = pd.DataFrame(
{
"temperatura": [31.5, 34.0, 33.2, 29.8],
"umidita": [58, 45, 62, 66],
"regione": ["Lombardia", "Lazio", "Campania", "Piemonte"],
},
index=["Milano", "Roma", "Napoli", "Torino"], # etichette di riga
)
print(citta)
# temperatura umidita regione
# Milano 31.5 58 Lombardia
# Roma 34.0 45 Lazio
# Napoli 33.2 62 Campania
# Torino 29.8 66 Piemonte
# Estrarre una colonna restituisce... una Series!
print(citta["temperatura"])
# Le prime domande da fare SEMPRE a un DataFrame nuovo:
print(citta.shape) # (4, 3) — 4 righe, 3 colonne
print(citta.dtypes) # il tipo di ogni colonna
citta.info() # riepilogo: tipi, valori non nulli, memoria
print(citta.describe()) # statistiche (media, min, max...) delle colonne numeriche
Nota il dettaglio importante: colonne diverse possono avere tipi diversi (numeri decimali, interi, stringhe), ma dentro una colonna il tipo è uno solo. È il compromesso perfetto tra la rigidità di NumPy e il caos delle liste Python.
L’indice: il superpotere silenzioso
La parola chiave di tutto l’articolo è indice. In una lista Python la posizione è l’unico modo di raggiungere un elemento; in Pandas ogni riga ha un’etichetta stabile che la identifica, e ogni colonna un nome. Quando allinei, filtri o unisci dati, Pandas usa le etichette — non le posizioni — per far combaciare le cose. Se sommi due Series con città in ordine diverso, Pandas le allinea da solo per etichetta: niente più bug da «riga sbagliata».
La tabella indicizzata: l’indice (terracotta) etichetta le righe, i nomi di colonna (teal) etichettano le Series. Estrarre una colonna restituisce una Series che porta con sé l’indice.
In NumPy sei tu a ricordare cosa significa la colonna 2; in Pandas è la tabella stessa a saperlo. L’indice non è un dettaglio: è il contratto che tiene allineati i tuoi dati.
Dati veri: read_csv in una riga
Finora abbiamo costruito le tabelle a mano, ma nella vita reale i dati arrivano da file. Ed è qui che Pandas ripaga davvero: quel parser CSV artigianale di venti righe diventa una chiamata sola, che gestisce per te virgolette, tipi di dato e intestazioni.
# leggi_csv.py
import pandas as pd
# Prima crea un CSV di prova (nella pratica lo riceverai già pronto)
with open("vendite.csv", "w", encoding="utf-8") as f:
f.write("data,prodotto,quantita,prezzo\n")
f.write("2026-07-01,tastiera,3,49.90\n")
f.write("2026-07-01,mouse,5,19.90\n")
f.write("2026-07-02,monitor,2,189.00\n")
f.write("2026-07-03,tastiera,1,49.90\n")
# La riga che sostituisce il parser fatto a mano:
vendite = pd.read_csv("vendite.csv", parse_dates=["data"])
print(vendite.head()) # le prime righe, per dare un'occhiata
print(vendite.dtypes) # 'data' è datetime, 'quantita' int, 'prezzo' float
# Una colonna calcolata da altre due: niente cicli, solo aritmetica
vendite["incasso"] = vendite["quantita"] * vendite["prezzo"]
print(vendite)
print(f"Totale incassato: {vendite['incasso'].sum():.2f} euro")
Il parametro parse_dates merita una nota: dice a Pandas di interpretare quella colonna come date vere, non stringhe. Da lì in poi puoi filtrare per mese, calcolare differenze tra giorni, raggruppare per settimana — tutto gratis. Esistono cugini per ogni formato: read_excel, read_json, read_parquet, read_sql.
Quando Pandas NON serve
Onestà prima di tutto: Pandas non è la risposta a ogni problema con i dati. Se devi leggere un file di configurazione o dieci righe di valori, il modulo csv della standard library è più che sufficiente e non aggiunge una dipendenza. Se lavori con dataset da decine di gigabyte che non stanno in RAM, Pandas soffre: lì guarda Polars (API simile, molto più veloce) o DuckDB (SQL direttamente sui file). E se i tuoi dati sono una griglia numerica omogenea per calcolo puro — pixel, matrici, tensori — resta su NumPy: le etichette che non usi sono solo peso. Pandas brilla nella zona di mezzo, che poi è dove vive il 90% del lavoro dati reale: tabelle eterogenee da qualche riga a qualche milione, da esplorare, pulire e trasformare.
Prova tu
Esercizio concreto: costruisci un DataFrame con i dati di 6-8 film che conosci bene — colonne titolo, anno, durata_min, voto (il tuo, da 1 a 10), con il titolo come indice. Poi rispondi a tre domande usando solo Pandas, senza cicli: qual è la durata media? Quali film hanno voto sopra la tua media? Aggiungi una colonna voto_per_ora (voto diviso durata in ore) e scopri quale film ti dà «più soddisfazione al minuto». Se ci riesci senza scrivere nemmeno un for, hai capito lo spirito di Pandas.
Per approfondire: la guida ufficiale «10 minutes to pandas» su pandas.pydata.org è il punto di partenza perfetto (e mente sul tempo: dedicale un’ora vera). Per andare a fondo, Python for Data Analysis di Wes McKinney — il creatore di Pandas — alla 3ª edizione è il riferimento definitivo, disponibile anche gratis online su wesmckinney.com/book. Nel prossimo articolo prendiamo questo DataFrame e impariamo a interrogarlo sul serio: selezioni, filtri e groupby.
I commenti sono riservati agli iscritti.
Accedi per commentare