Data Science da zero, seconda edizione

Capitolo 9. Ottenere i dati

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Per scriverlo ci sono voluti tre mesi; per concepirlo, tre minuti; per raccogliere i dati in esso contenuti, tutta la mia vita.

F. Scott Fitzgerald

Per essere uno scienziato dei dati hai bisogno di dati. In effetti, come scienziato dei dati passerai una parte imbarazzante del tuo tempo ad acquisire, pulire e trasformare i dati. In caso di necessità, puoi sempre digitare tu stesso i dati (o se hai dei tirapiedi, farli fare a loro), ma di solito questo non è un buon uso del tuo tempo. In questo capitolo vedremo diversi modi per inserire i dati in Python e nei formati giusti.

stdin e stdout

Se esegui i tuoi script Python dalla riga di comando, puoi inviare i dati attraverso di essi utilizzando sys.stdin e sys.stdout. Ad esempio, ecco uno script che legge le righe di testo e le restituisce in base a un'espressione regolare:

# egrep.py
import sys, re

# sys.argv is the list of command-line arguments
# sys.argv[0] is the name of the program itself
# sys.argv[1] will be the regex specified at the command line
regex = sys.argv[1]

# for every line passed into the script
for line in sys.stdin:
    # if it matches the regex, write it to stdout
    if re.search(regex, line):
        sys.stdout.write(line)

Ed eccone uno che conta le righe che riceve e poi scrive il conteggio:

# line_count.py
import sys

count = 0
for line in sys.stdin:
    count ...