import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
"""
Ora importiamo nuovamente la tabella usata nella lezione 1
e visualizziamo le prime 5 righe
"""
url="https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.data"
df=pd.read_csv(url,header=None)
headers=["simbolo","norm-loss","marca","carburante","asp","n_di_porte","stile","trazione","lo_motore","ruote","lunghezza","larghezza","altezza","freno","tipo_motore","n_cicli","forma_motore","iniezione","bore","stroke","comp-ratio","horsepower","peak-rpm","city-mpg","high-mpg","prezzo"]
df.columns=headers
df.head(5)
"""
gli oggetti Panda possono essere divisi su uno qualsiasi dei loro assi.
La definizione astratta di raggruppamento è fornire una mappatura delle
etichette ai nomi dei gruppi. Nel caso seguente si raggruppano due colonne e
si fanno le medie degli altri
"""
gruppo=df.groupby(["marca","prezzo"])
gruppo.mean()
"""
Raggruppamento di tre colonne
"""
df_test=df[["ruote","stile","prezzo"]]
df_test
df
df2 = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
... 'two'],
... 'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
... 'baz': [1, 2, 3, 4, 5, 6],
... 'zoo': ['x', 'y', 'z', 'q', 'w', 't']})
"""
Nuovo Data FRame creato
"""
df2
"""
Tabella pivot per visualizzare
una colonna
"""
df2.pivot(index='foo', columns='bar', values='baz')