n o

ila
i M
i d
u d
l i St
e g
à d
i t
ers
ni v
Organizzazioni t Ue Laurea in Management delle Organizzazioni
e del Lavoro (MOL)

Società Digitali
i g h
y r Marco Cremonini
o p
(Computer & Society)
C marco.cremonini@unimi.it
Python su cloud
n o
ila
Non esiste un vero equivalente a RStudio Cloud, che offre via web esattamente le
i M
stesse funzionalità e interfaccia della versione desktop, più altre funzionalità (ad
esempio, per gestire una classe). i d
u d
l i
Esiste qualcosa di parziale. Ad esempio PythonAnywhere.
St
(https://www.pythonanywhere.com/) e g
à d
i t
e rs
L’account Beginner è gratuito, ma ci sono molte limitazioni nelle funzionalità.
ni v
Ha preinstallato pip, non conda/Anaconda.
t U
No GUI. Si può usare la console di Python o IPython ma non Jupyter Notebook
i gh
(male per noi)
y r
p
Non lo useremo mai negli esempi, ma sempre Jupyter Notebook/Lab
o
C
R vs. Python o
la n
R Python
M i
Linguaggio di programmazione d i
Linguaggio di programmazione general
specializzato + famiglia di tool di
purpose + famiglia di tool
St u
Analisi statistiche, analisi e
g i
Sviluppo software (per web,
l
visualizzazione di dati e
soprattutto) + analisi e visualizzazione
d
i tà di dati
e rs
Ottimo tool di riferimento (IDE, Diversi tool per gestione package,
ni v
Interactive Development Environment) script, visualizzazione: Anaconda,
t U
per gestione package, script, Miniconda, Pip, IPython, Spyder etc.
i gh
visualizzazione: RStudio
y r
o p
Un tool di riferimento per uso in cloud: Alcuni tool di riferimento per uso in
C Rstudio Cloud cloud, ma con funzionalità non
complete (es. pythonanywhere)
R vs. Python o
la n
R Python
M i
Markdown: R Markdown, Jupyter d i
Markdown: Jupyter Notebook e svariati
Notebook etc. dialtri
St u
Package Repository:
g l i Package Repository:
The Comprehensive R Archive Network
d e The Python Package Index (PyPI)
(https://cran.r-project.org/) i tà (https://pypi.org/), Anaconda Cloud
+ GitHub e rs (https://anaconda.org/)
ni v + GitHub
t U
Trasformazione dati: dplyr (dati in Trasformazione dati: NumPy (dati in
i gh
formato tabellare), parte di tidyverse formato vettoriale), Pandas (dati in
y r
o p formato tabellare)
C
Visualizzazione di dati: ggplot2, parte di Visualizzazione di dati: matplotlib
tidyverse
R vs. Python o
la n
M i
R d
Python i
di
Comunità di sviluppatori e utilizzatori u
Comunità di sviluppatori e utilizzatori
St
ricca e dinamica, specializzati in analisi i
estremamente ricca e dinamica, molto
g l
statistiche e data analysis
d e eterogenei, da sviluppatori di
i t àapplicazioni web e software aziendali,
e rs fino ad analisti di dati
ni v
t U
Lettura consigliata:
i g h
r
https://towardsdatascience.com/python-vs-r-for-data-science-6a83e4541000
y
o p
C
 Libro:
Python Data Science Handbook n o
Jake VanderPlas, M i l a
O’Reilly, 2016
d i
- open access d i su GitHub
t u
(https://github.com/jakevdp/Pyt
S
l i
honDataScienceHandbook)
g
à d-eformati: html, Jupyter notebook
i t
ers
ni v
t U
i gh
y r
o p
C
Sezioni che ci interessano:
1. IPython: Beyond Normal Python o
Caratteristiche e funzionalità principali di IPython, usando n
li a una
shell (terminale comandi) o con Jupyter notebook. i M
2. Introduction to NumPy i d
u d
t dati come array
Funzionalità principali, tipi di dati in Python,i S
(vettori), operazioni principali. g l
d e
3. Data Manipulation with Pandas i t à
Funzionalità principali, data
e r s
frame (dati in formato tabellare),
operazioni principali. niv
4. Visualization with t U
Matplotlib
ig h
Funzionalitàyrprincipali, similitudini con ggplot2, limitazioni à
Seaborn.op
C
Prima di esaminare il contenuto delle sezioni, consideriamo le
nuove modalità e tecnologie per presentare della documentazionen o
tecnica e script per data analysis: Jupyter notebook M i l a
d i
d i
St u
Un Jupyter Notebook è un’applicazione web l i open-source che permette
di creare e condividere documenti che e g
contengono comandi/istruzioni
d
à visualizzazione di dati e testo
funzionanti ed eseguibili, equazioni, i t
r s
descrittivo. I linguaggi di programmazione
e supportati sono: Python, R,
n i v
Julia e altri. U
h t
yr ig https://jupyter.org/
o p
C
 n o
ila
i M
i d
u d
l i St
eg
à d
i t
rs
e
n i v
https://jupyter.org/ t U
i g h
Noi lo abbiamo
r
y installato sul
o p
C
nostro computer, ma esiste
anche una modalità online.
Ora proviamo anche la versione originale Notebook.
Ha delle informazioni di base utili n o
ila
i M
i d
u d
l i St
eg
à d
i t La versione web lancia un servizio
ers che si chiama Binder,
ni v
t U ricordiamocelo perché lo
i gh ritroveremo nel libro
y r
o p
C
Creiamo il nostro primo Jupyter Notebook.
Poi lo salviamo dandogli un nome e lo scarichiamo in formaton o
Markdown, Notebook e html slides. i la
M i
(seguire l’esempio in Notebook Basics)
i d
u d
l i St
eg
à d
i t
ers
ni v
t U
i g h
y r
o p
C
Ora provate ad arricchire la parte di Markdown con della
formattazione standard per un testo. n o
ila
i M
Seguire Basic Syntax , simile a html, molto semplice:
i d
https://www.markdownguide.org/basic-syntax/ t u d
Sl i
eg
à d
i t
ers
ni v
t U
i gh
y r
o p
C