esercizio_boston.py

import pandas as pd
import numpy as np

BASE_URL = "https://raw.githubusercontent.com/ProfAI/machine-learning-fondamenti/main/datasets/"



def verfica_righe_colonne(DataFrame) -> None:
   righe, colonne = DataFrame.shape
   print(f"Il DataFrame ha {righe} righe e {colonne} colonne")
   DataFrame.describe()  ##describe restituisce un DataFrame con le statistiche descrittive per ogni colonna numerica del DataFrame originale
   DataFrame.info()  ##info restituisce un riepilogo conciso del DataFrame, inclusi il numero di valori non nulli e il tipo di dati per ogni colonna

   ## DataFrame[nome colonna].value_counts()  ##value_counts conta il numero di occorrenze di ogni valore in una colonna specifica del DataFrame

def pulizia_dati(DataFrame) -> None:
    print("i valori nulli sono: \n" + str(DataFrame.isnull().sum()))  ##isnull() restituisce un DataFrame booleano con True per i valori nulli e False per i valori non nulli, sum() conta il numero di valori nulli per ogni colonna
    DataFrame.dropna(thresh = 0.7 * DataFrame.shape[0], axis=1)  ##elimina le colonne che hanno più del 30% di valori nulli
    DataFrame.dropna(thresh = 0.85 * DataFrame.shape[1], axis=0)
    DataFrame.dropna(subset=["PRICE"])  ##elimina le righe che hanno valori nulli nella colonna PRICE

    return DataFrame

def valori_medi(DataFrame) -> None:
    for column in DataFrame.columns:
        mean = round(DataFrame[column].mean(), 1)
        DataFrame[column].fillna(mean)  ##fillna sostituisce
        

    return DataFrame

def codifica(DataFrame) -> None:
    size_mapping = {} ##immettere i valori da codificare
    DataFrame[""] = DataFrame[""].map(size_mapping)

def moda(DataFrame) -> None:
    


    return DataFrame

def distribuzione(DataFrame) -> None:
    print(DataFrame["CHAS"].value_counts())  ##value_counts conta il numero di occorrenze di ogni valore nella colonna CHAS
    





if __name__ == "__main__":
    df = pd.read_csv(BASE_URL + "boston.csv", index_col=0)
    print("inizio")
    verfica_righe_colonne(df)
    print("inizio pulizia dati")
    df = pulizia_dati(df)
    print ("sostituzione coi valori medi: ")
    df = valori_medi(df)
    verfica_righe_colonne(df)