Data Programming Course  Check-in [0c54dd1e72]

Many hyperlinks are disabled.
Use anonymous login to enable hyperlinks.

Overview
Comment:added a local reference for the images
Downloads: Tarball | ZIP archive | SQL archive
Timelines: family | ancestors | descendants | both | trunk
Files: files | file ages | folders
SHA1:0c54dd1e72f67196ec9a1c32b30973a268b77f5b
User & Date: EnricoGiampieri 2017-02-27 08:50:20
Context
2017-02-27
08:50
aggiunto uno snakefile per la compilazione automatica dei notebook in html check-in: adcc1efba3 user: EnricoGiampieri tags: trunk
08:50
added a local reference for the images check-in: 0c54dd1e72 user: EnricoGiampieri tags: trunk
08:09
aggiunta la cartella con le immagini per i notebook check-in: be2a2968d0 user: EnricoGiampieri tags: trunk
Changes

Changes to Lezione 2b - Iteratori e Big Data.ipynb.

1
2
3
4
5


6
7
8
9
10
11
12
..
18
19
20
21
22
23
24


25
26
27
28
29
30
31
..
37
38
39
40
41
42
43


44
45
46
47
48
49
50
51
52
53
54


55
56
57
58
59
60
61
62
63
64
65
66
67


68
69
70
71
72
73
74
..
78
79
80
81
82
83
84


85
86
87
88
89
90
91
..
99
100
101
102
103
104
105


106
107
108
109
110
111
112
...
121
122
123
124
125
126
127


128
129
130
131
132
133
134
...
172
173
174
175
176
177
178


179
180
181
182
183
184
185
...
186
187
188
189
190
191
192


193
194
195
196
197
198
199
...
240
241
242
243
244
245
246


247
248
249
250
251
252
253
...
259
260
261
262
263
264
265


266
267
268
269
270
271
272
...
308
309
310
311
312
313
314


315
316
317
318
319
320
321
322
323
324
325
326
327


328
329
330
331
332
333
334
...
343
344
345
346
347
348
349


350
351
352
353
354
355
356
...
363
364
365
366
367
368
369


370
371
372
373
374
375
376
...
412
413
414
415
416
417
418


419
420
421
422
423
424
425
...
432
433
434
435
436
437
438


439
440
441
442
443
444
445
...
447
448
449
450
451
452
453


454
455
456
457
458
459
460
...
462
463
464
465
466
467
468


469
470
471
472
473
474
475
476
477
478
479
480
481


482
483
484
485
486
487
488
...
508
509
510
511
512
513
514


515
516
517
518
519
520
521
...
523
524
525
526
527
528
529


530
531
532
533
534
535
536
...
554
555
556
557
558
559
560


561
562
563
564
565
566
567
...
569
570
571
572
573
574
575


576
577
578
579
580
581
582
...
601
602
603
604
605
606
607


608
609
610
611
612
613
614
...
615
616
617
618
619
620
621


622
623
624
625
626
627
628
...
632
633
634
635
636
637
638


639
640
641
642
643
644
645
...
658
659
660
661
662
663
664


665
666
667
668
669
670
671
672
673
674
675
676
677


678
679
680
681
682
683
684
...
693
694
695
696
697
698
699


700
701
702
703
704
705
706
...
708
709
710
711
712
713
714


715
716
717
718
719
720
721
...
733
734
735
736
737
738
739


740
741
742
743
744
745
746
...
748
749
750
751
752
753
754


755
756
757
758
759
760
761
...
771
772
773
774
775
776
777


778
779
780
781
782
783
784
785
786
787
788
789
790


791
792
793
794
795
796
797
...
807
808
809
810
811
812
813


814
815
816
817
818
819
820
...
822
823
824
825
826
827
828


829
830
831
832
833
834
835
...
848
849
850
851
852
853
854


855
856
857
858
859
860
861
862
863
864
865
866
867


868
869
870
871
872
873
874
...
883
884
885
886
887
888
889


890
891
892
893
894
895
896
897
898
899
900
901
902


903
904
905
906
907
908
909
...
920
921
922
923
924
925
926


927
928
929
930
931
932
933
...
935
936
937
938
939
940
941


942
943
944
945
946
947
948
...
960
961
962
963
964
965
966


967
968
969
970
971
972
973
974
975
976
977
978
979


980
981
982
983
984
985
986
....
1000
1001
1002
1003
1004
1005
1006


1007
1008
1009
1010
1011
1012
1013
....
1016
1017
1018
1019
1020
1021
1022


1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035


1036
1037
1038
1039
1040
1041
1042
....
1054
1055
1056
1057
1058
1059
1060


1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071


1072
1073
1074
1075
1076
1077
1078
....
1085
1086
1087
1088
1089
1090
1091
1092


1093
1094
1095
1096
1097
1098
1099
{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Big Data e Big Problem\n",
    "Normalmente si può trovare come definizione di big data la seguente:\n",
................................................................................
    "    anche su dati piccoli, il mio modello potrebbe richiedere più\n",
    "    risorse di quelle a mia disposizione"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Nei big data dobbiamo fare delle scelte\n",
    "\n",
................................................................................
    "\n",
    "Tanto più ottimizziamo uno di questi parametri, tanto più ci rimettiamo negli altri due."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<img src=\"https://github.com/EnricoGiampieri/PLS2017BigDataNetworks/raw/master/notebookfiles/power_triangle.png\" width=\"400\"/>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<img src=\"https://github.com/EnricoGiampieri/PLS2017BigDataNetworks/raw/master/notebookfiles/tradeoff_spazio_velocita.png\" width=\"600\"/>\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Inoltre, vedremo poi, che tanto più ottimizzeremo il nostro codice, tanto più difficile sarà mantenerlo nel tempo.\n",
    "La comprensibilità del nostro codice ha un costo quantificabile!\n",
................................................................................
    "* il tradoff fra memoria su disco e su RAM\n",
    "* il tempo che serve all'analista per produrre il codice"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## un problema di esempio - rinominare i file di una collezione audio\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 30,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!rm -fR notebookfiles/fakeaudio\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 31,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 32,
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "import os"
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 33,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 34,
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "directory = \"./notebookfiles/fakeaudio/\"\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 35,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   "source": [
    "!ls -lR notebookfiles/fakeaudio/"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "qui però sto anche cambiando il nome a tutti i file che sono presenti nelle directory, anche se non sono dei file audio!"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 36,
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!rm -fR notebookfiles/fakeaudio\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 37,
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "directory = \"./notebookfiles/fakeaudio/\"\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 38,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   "source": [
    "!ls -lR notebookfiles/fakeaudio/"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Queste sono tre operazioni fondalmentali per l'analisi dati:\n",
    "\n",
................................................................................
    "* reduce (comporre insieme gli elementi)\n",
    "* functional programming\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Iterazione Lazy\n",
    "\n",
................................................................................
    "\n",
    "le operazioni non vengono compiute finchè il risultato non è richiesto!!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "In Python questa cosa è gestita da degli oggetti chiamati **iteratori**.\n",
    "\n",
................................................................................
    "\n",
    "Un iteratore può essere percorso una volta sola!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "Questo è controintuitivo: se provo a fare un ciclo for su di una lista, lo posso fare quante volte voglio"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 39,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "for elemento in lista:\n",
    "    print(elemento)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ma se provo a farlo su di un file, lo posso leggere una volta sola!\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 40,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    for line in file:\n",
    "        print(repr(line))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Python ce lo nasconde, ma in realtà ogni volta che iteriamo sulla lista lui crea un nuovo iteratore che scorre la lista e poi scompare.\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 42,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    print(elemento)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Sottolineare quando le iterazioni non necessitano di caricare l'intero dataset è importante perchè non è sempre vero.\n",
    "\n",
................................................................................
    "Supponiamo di voler calcolare tutte le combinazioni di elementi di una sequenza: non possiamo risolvere questo problema senza tenere in memoria l'intera sequenza!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Map\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 46,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    \n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Questo può essere espresso in modo pi conciso con una *comprehension*, che è funzionalmente identica al ciclo visto prima, ma più sintetica"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 51,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "quadrati = [x**2 for x in numeri]\n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "il concetto di **map** è un'astrazione di questo procedimento.\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 53,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "quadrati = map(quadrato, numeri)\n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "ricordiamoci che il risultato delle operazioni sugli iteratori, quando possibile, è a sua volta un iteratore!\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 54,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
   "source": [
    "list(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ricordiamoci che l'iterazione è compiuta una volta sola, quindi se vogliamo il risultato dobbiamo salvarcelo alla prima concretizzazione!"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 55,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
   "source": [
    "list(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Filter\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 56,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "\n",
    "print(positivi)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "in modo simile all'operazione di **map**, anche l'operazione di **filter** ha un costrutto nel linguaggio tramite le *comprehension*"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 57,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "positivi = [x for x in numeri if x>0]\n",
    "print(positivi)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ed esattamente come prima, abbiamo una funzione che prende una funzione di filtro (che ci dice se l'elemento è accettabile o no) e la applica ad un operatore"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 60,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "positivi = filter(is_positive, numeri)\n",
    "print(list(positivi))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Reduce\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 61,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    \n",
    "print(totale)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "come per casi precedenti, esiste una funzione preesistente per effettuare le operazioni di riduzione"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 64,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "totale = reduce(somma, numeri, 0)\n",
    "print(totale)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Questo tipo di operazioni è così comune che ci sono una serie di operazioni predefinite:\n",
    "\n",
................................................................................
    "\n",
    "e così via"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "una tipica riduzione, che useremo molto, è la stima delle frequenze."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 71,
   "metadata": {
    "collapsed": false,


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
    "numeri = [1, 1, 1, 2, 2, 3, 3, 4, 4, 4, 4, 4]\n",
    "Counter(numeri)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "Una proprietà importante delle riduzioni è che i risultati si possono combinare: dati i conteggi su due serie, posso sommare insieme i due conteggi ed ottenere i conteggi totali fra le due serie"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {


    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Map Reduce\n",
    "\n",
................................................................................
    "* tutto questo fatto in modo ricorsivo"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true


   },
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "celltoolbar": "Slideshow",





>
>







 







>
>







 







>
>





|





>
>





|







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>







 







>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>













>
>







 







>
>







 







>
>







 







>
>













>
>







 







>
>







 







>
>













>
>







 







>
>











>
>







 







|
>
>







1
2
3
4
5
6
7
8
9
10
11
12
13
14
..
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
..
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
..
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
...
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
...
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
...
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
...
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
...
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
...
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
...
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
...
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
...
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
...
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
...
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
...
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
...
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
...
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
...
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
...
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
...
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
...
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
...
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
...
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
...
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
...
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
...
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
...
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
...
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
...
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
...
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
...
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
...
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
...
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
....
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
....
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
....
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
....
1092
1093
1094
1095
1096
1097
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
....
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
1133
1134
1135
1136
1137
1138
1139
1140
....
1152
1153
1154
1155
1156
1157
1158
1159
1160
1161
1162
1163
1164
1165
1166
1167
1168
1169
1170
1171
1172
1173
1174
1175
1176
1177
1178
1179
1180
....
1187
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
1202
1203
{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Big Data e Big Problem\n",
    "Normalmente si può trovare come definizione di big data la seguente:\n",
................................................................................
    "    anche su dati piccoli, il mio modello potrebbe richiedere più\n",
    "    risorse di quelle a mia disposizione"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Nei big data dobbiamo fare delle scelte\n",
    "\n",
................................................................................
    "\n",
    "Tanto più ottimizziamo uno di questi parametri, tanto più ci rimettiamo negli altri due."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<img src=\"./immagini/power_triangle.png\" width=\"400\"/>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "<img src=\"./immagini/tradeoff_spazio_velocita.png\" width=\"600\"/>\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Inoltre, vedremo poi, che tanto più ottimizzeremo il nostro codice, tanto più difficile sarà mantenerlo nel tempo.\n",
    "La comprensibilità del nostro codice ha un costo quantificabile!\n",
................................................................................
    "* il tradoff fra memoria su disco e su RAM\n",
    "* il tempo che serve all'analista per produrre il codice"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## un problema di esempio - rinominare i file di una collezione audio\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 30,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!rm -fR notebookfiles/fakeaudio\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 31,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 32,
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "import os"
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 33,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 34,
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "directory = \"./notebookfiles/fakeaudio/\"\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 35,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   "source": [
    "!ls -lR notebookfiles/fakeaudio/"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "qui però sto anche cambiando il nome a tutti i file che sono presenti nelle directory, anche se non sono dei file audio!"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 36,
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "!rm -fR notebookfiles/fakeaudio\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 37,
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [],
   "source": [
    "directory = \"./notebookfiles/fakeaudio/\"\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 38,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
   "source": [
    "!ls -lR notebookfiles/fakeaudio/"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Queste sono tre operazioni fondalmentali per l'analisi dati:\n",
    "\n",
................................................................................
    "* reduce (comporre insieme gli elementi)\n",
    "* functional programming\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Iterazione Lazy\n",
    "\n",
................................................................................
    "\n",
    "le operazioni non vengono compiute finchè il risultato non è richiesto!!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "In Python questa cosa è gestita da degli oggetti chiamati **iteratori**.\n",
    "\n",
................................................................................
    "\n",
    "Un iteratore può essere percorso una volta sola!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "Questo è controintuitivo: se provo a fare un ciclo for su di una lista, lo posso fare quante volte voglio"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 39,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "for elemento in lista:\n",
    "    print(elemento)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ma se provo a farlo su di un file, lo posso leggere una volta sola!\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 40,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    for line in file:\n",
    "        print(repr(line))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Python ce lo nasconde, ma in realtà ogni volta che iteriamo sulla lista lui crea un nuovo iteratore che scorre la lista e poi scompare.\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 42,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    print(elemento)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Sottolineare quando le iterazioni non necessitano di caricare l'intero dataset è importante perchè non è sempre vero.\n",
    "\n",
................................................................................
    "Supponiamo di voler calcolare tutte le combinazioni di elementi di una sequenza: non possiamo risolvere questo problema senza tenere in memoria l'intera sequenza!"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Map\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 46,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    \n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Questo può essere espresso in modo pi conciso con una *comprehension*, che è funzionalmente identica al ciclo visto prima, ma più sintetica"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 51,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "quadrati = [x**2 for x in numeri]\n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "il concetto di **map** è un'astrazione di questo procedimento.\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 53,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "quadrati = map(quadrato, numeri)\n",
    "print(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "ricordiamoci che il risultato delle operazioni sugli iteratori, quando possibile, è a sua volta un iteratore!\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 54,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
   "source": [
    "list(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ricordiamoci che l'iterazione è compiuta una volta sola, quindi se vogliamo il risultato dobbiamo salvarcelo alla prima concretizzazione!"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 55,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
   "source": [
    "list(quadrati)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Filter\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 56,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "\n",
    "print(positivi)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "in modo simile all'operazione di **map**, anche l'operazione di **filter** ha un costrutto nel linguaggio tramite le *comprehension*"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 57,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "positivi = [x for x in numeri if x>0]\n",
    "print(positivi)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "ed esattamente come prima, abbiamo una funzione che prende una funzione di filtro (che ci dice se l'elemento è accettabile o no) e la applica ad un operatore"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 60,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "positivi = filter(is_positive, numeri)\n",
    "print(list(positivi))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Reduce\n",
    "\n",
................................................................................
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 61,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "    \n",
    "print(totale)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "come per casi precedenti, esiste una funzione preesistente per effettuare le operazioni di riduzione"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 64,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "name": "stdout",
................................................................................
    "totale = reduce(somma, numeri, 0)\n",
    "print(totale)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "Questo tipo di operazioni è così comune che ci sono una serie di operazioni predefinite:\n",
    "\n",
................................................................................
    "\n",
    "e così via"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "una tipica riduzione, che useremo molto, è la stima delle frequenze."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 71,
   "metadata": {
    "collapsed": false,
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "outputs": [
    {
     "data": {
................................................................................
    "numeri = [1, 1, 1, 2, 2, 3, 3, 4, 4, 4, 4, 4]\n",
    "Counter(numeri)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "fragment"
    }
   },
   "source": [
    "Una proprietà importante delle riduzioni è che i risultati si possono combinare: dati i conteggi su due serie, posso sommare insieme i due conteggi ed ottenere i conteggi totali fra le due serie"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "deletable": true,
    "editable": true,
    "slideshow": {
     "slide_type": "slide"
    }
   },
   "source": [
    "## Map Reduce\n",
    "\n",
................................................................................
    "* tutto questo fatto in modo ricorsivo"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true,
    "deletable": true,
    "editable": true
   },
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "celltoolbar": "Slideshow",