4. Elaborare i dati con Python

Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one—and preferably only one—obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea — let's do more of those!

--- The Zen of Python, by Tim Peters

I notebook possono essere eseguiti in vari ambienti di sviluppo: al momento in cui questo libro è stato scritto tra quelli più diffusi ci sono Jupyter e Visual Studio Code, che hanno anche il vantaggio di essere gratuiti, sebbene esistano altre alternative.

L'acronimo FLOSS sta per «Free/Libre Open Source Software»

Questo capitolo descrive brevemente i principali strumenti che permettono di analizzare dati in modo esplorativo usando Python come linguaggio di programmazione, i notebook per scrivere ed eseguire il codice e le principali librerie del cosiddetto Python data science stack, che saranno introdotte via via che queste si riveleranno necessarie. Tutti gli strumenti a cui farò riferimento ricadono nella categoria del FLOSS, e sono pertanto distribuiti con licenze che ne permettono, tra le altre cose, il libero utilizzo. La trattazione è pensata per studenti che hanno già familiarità con la programmazione degli elaboratori e, in particolare, sono fluenti con almeno un linguaggio di programmazione che adotta l'approccio imperativo e procedurale. Introdurrò invece alcune conoscenze di base del paradigma di programmazione orientato agli oggetti, necessarie per utilizzare il data science stack di Python e che non sempre sono alla portata di chi si appresta a studiare la materia.

Man mano che progredirete nella programmazione, svilupperete una sorta di senso estetico che vi aiuterà a riconoscere quando il codice è scritto in modo elegante. E realizzerete che leggerlo è più facile, così come diventa immediato capirne lo scopo. Inoltre, se un programma è ben scritto diminuisce il rischio di introdurre errori quando lo si modifica o lo si estende. La citazione riportata all'inizio del capitolo elenca \(19\) linee guida da seguire per scrivere codice in modo da sfruttare l'eleganza e le strutture sintattiche di Python, piuttosto che mimare in modo pedissequo la sintassi di altri linguaggi: quello che in gergo si chiama «scrivere codice pythonico». Queste linee guida, di pubblico dominio, sono state scritte nel 1999 da Tim Peters, uno dei principali contributori di Python. Oltre a essere pubblicate in un’apposita sezione dei Python Enhancement Proposals, vengono automaticamente visualizzate eseguendo la linea di codice Python import this. Se posizionate il cursore sopra ogni riga, apparirà un mio breve commento che ne spiega il significato.