Corso di Python in italiano

Introduzione a Python

Python è un linguaggio di programmazione ad alto livello, interpretato e general-purpose, creato da Guido van Rossum e rilasciato nel 1991. È oggi uno dei linguaggi più usati e amati al mondo grazie a una sintassi pulita, leggibile e vicina all'inglese, che lo rende perfetto per chi inizia a programmare da zero.

Con Python puoi fare praticamente di tutto: sviluppo web (Django, Flask), analisi dei dati e data science (pandas, NumPy), intelligenza artificiale e machine learning (TensorFlow, PyTorch), automazione di compiti ripetitivi, scripting di sistema, scraping, videogiochi e molto altro. È un linguaggio multi-paradigma: supporta la programmazione procedurale, a oggetti e funzionale.

Perché imparare Python?

• Facile da leggere e scrivere: usa l'indentazione al posto delle parentesi graffe.
• Versatile: dallo script di poche righe al software complesso.
• Ricco di librerie: una vastissima libreria standard più migliaia di pacchetti esterni.
• Richiestissimo nel mondo del lavoro: uno dei linguaggi più ricercati dalle aziende.

Installare Python (Get Started)

Per eseguire Python sul tuo computer devi installare l'interprete, scaricabile gratuitamente dal sito ufficiale python.org. Molti sistemi Linux e macOS hanno già Python preinstallato. Per verificare se è presente, apri il terminale e digita:

Come si esegue un programma Python?

Un programma Python si salva in un file con estensione .py (ad esempio programma.py) e si esegue dal terminale con il comando python programma.py. In alternativa puoi usare un editor come VS Code, PyCharm o l'interprete interattivo (la “shell” di Python). In questo corso usiamo direttamente il browser.

La sintassi di Python

La caratteristica più distintiva di Python è l'indentazione: invece di usare parentesi graffe { } per delimitare i blocchi di codice, Python usa gli spazi (la convenzione è di 4 spazi). Un'indentazione sbagliata genera un errore IndentationError.

Blocchi e indentazione

Tutto ciò che “appartiene” a un'istruzione (un if, un ciclo, una funzione) deve essere indentato allo stesso livello.

Output: la funzione print()

La funzione print() è il modo principale per mostrare informazioni a schermo. Può stampare testo, numeri, variabili e più valori separati da virgola (che vengono uniti da uno spazio).

Parametri utili: sep ed end

• sep definisce il separatore fra i valori (default: spazio).
• end definisce cosa stampare alla fine (default: a capo \n).

I commenti

I commenti servono a spiegare il codice e vengono ignorati dall'interprete. In Python un commento su singola riga inizia con il cancelletto #. Per i commenti su più righe si usano spesso le stringhe su tripli apici, anche se tecnicamente sono stringhe (docstring).

Le variabili

Una variabile è un contenitore con un nome a cui associamo un valore. In Python non serve dichiarare il tipo: viene dedotto automaticamente dal valore assegnato (tipizzazione dinamica). L'assegnazione si fa con il simbolo =.

Regole per i nomi delle variabili

• Possono contenere lettere, numeri e underscore _.
• Non possono iniziare con un numero.
• Sono case-sensitive: nome e Nome sono diverse.

I tipi di dato

Ogni valore in Python ha un tipo. La funzione type() permette di scoprirlo. I tipi fondamentali sono:

I numeri

Python distingue tre tipi numerici: int (interi), float (numeri con la virgola) e complex (numeri complessi). Le operazioni aritmetiche di base funzionano come ci si aspetta.

Il casting (conversione di tipo)

Il casting converte un valore da un tipo a un altro usando le funzioni costruttrici int(), float() e str(). È fondamentale, ad esempio, quando leggiamo input dall'utente (sempre testo) e dobbiamo trasformarlo in numero.

Le stringhe

Le stringhe sono sequenze di caratteri racchiuse tra apici singoli '...' o doppi "...". Sono immutabili: non possono essere modificate dopo la creazione, ma puoi crearne di nuove.

Slicing e indici

Puoi accedere ai caratteri con l'indice (parte da 0) e ottenere “fette” con lo slicing [inizio:fine].

Metodi utili

I booleani

Un valore booleano può essere solo True (vero) o False (falso). I booleani nascono spesso dal confronto fra valori e sono alla base delle decisioni nel codice.

In Python molti valori sono considerati “falsi” in un contesto booleano: 0, "" (stringa vuota), [] (lista vuota), None. Tutto il resto è “vero”.

Gli operatori

Gli operatori eseguono operazioni su valori e variabili. Python offre diverse categorie:

• Aritmetici: + - * / // % **
• Di confronto: == != > < >= <=
• Logici: and, or, not
• Di assegnazione: = += -= *= /=
• Di appartenenza: in, not in

Le liste

Una lista è una collezione ordinata e modificabile di elementi, racchiusa tra parentesi quadre [ ]. Può contenere valori di tipo diverso e ammette duplicati.

Metodi principali

Le tuple

Una tupla è come una lista ma immutabile: una volta creata non può essere modificata. Si scrive con le parentesi tonde ( ). Si usa per dati che non devono cambiare, come coordinate o costanti.

I set (insiemi)

Un set è una collezione non ordinata e senza duplicati, scritta tra parentesi graffe { }. È utile per eliminare i doppioni e per le operazioni insiemistiche (unione, intersezione, differenza).

I dizionari

Un dizionario associa una chiave a un valore: {chiave: valore}. È ordinato (da Python 3.7), modificabile e non ammette chiavi duplicate. È la struttura ideale per rappresentare “oggetti” con proprietà.

Le condizioni: if, elif, else

Le istruzioni condizionali eseguono codice diverso a seconda che una condizione sia vera o falsa. Si usano if (se), elif (altrimenti se) ed else (altrimenti). Ricorda l'indentazione!

Il costrutto match (switch)

Da Python 3.10 esiste match ... case, simile allo switch di altri linguaggi: confronta un valore con più “casi” ed esegue il blocco corrispondente. Il caso _ fa da default.

Il ciclo while

Il ciclo while ripete un blocco di codice finché una condizione resta vera. Attenzione a modificare la condizione all'interno, altrimenti rischi un ciclo infinito. Le parole chiave break (esci) e continue (salta al prossimo giro) controllano il flusso.

Il ciclo for

Il ciclo for scorre gli elementi di una sequenza (lista, stringa, range, dizionario...). Combinato con range() permette di ripetere un'azione un numero preciso di volte.

Le funzioni

Una funzione è un blocco di codice riutilizzabile che svolge un compito. Si definisce con def, può ricevere parametri e restituire un valore con return. Le funzioni rendono il codice ordinato e DRY (Don't Repeat Yourself).

Parametri di default e *args

Puoi assegnare valori predefiniti ai parametri e accettare un numero variabile di argomenti con *args.

La funzione range()

range() genera una sequenza di numeri, molto usata nei cicli. Accetta fino a tre argomenti: range(stop), range(start, stop) e range(start, stop, step). Il valore stop è escluso.

Gli array

In Python le liste svolgono il ruolo che in altri linguaggi hanno gli array. Esiste anche un modulo array per array tipizzati ed efficienti, e per il calcolo numerico si usa la libreria esterna NumPy. Per la maggior parte dei casi le liste sono più che sufficienti.

Gli iteratori

Un iteratore è un oggetto che si può percorrere un elemento alla volta. Tutte le sequenze (liste, tuple, stringhe) sono iterabili: con iter() ottieni un iteratore e con next() avanzi al prossimo elemento.

I moduli

Un modulo è un file Python che contiene funzioni e variabili riutilizzabili. Si importa con import. La libreria standard di Python include centinaia di moduli pronti all'uso (math, random, datetime, os...).

Le date

Il modulo datetime gestisce date e orari. Puoi ottenere la data attuale, formattarla e fare calcoli sul tempo.

Il modulo math

Il modulo math offre funzioni matematiche avanzate: radici, potenze, funzioni trigonometriche, costanti come pi ed e, arrotondamenti.

Il formato JSON

JSON (JavaScript Object Notation) è il formato standard per scambiare dati tra applicazioni e sul web. Il modulo json converte tra stringhe JSON e oggetti Python: loads (da JSON a dict) e dumps (da dict a JSON).

Le espressioni regolari (RegEx)

Le espressioni regolari permettono di cercare e manipolare testo secondo schemi (pattern). Si usano tramite il modulo re. Sono potentissime per validare email, numeri di telefono, codici fiscali e altro.

PIP: il gestore di pacchetti

PIP è lo strumento ufficiale per installare librerie esterne (pacchetti) da PyPI, il repository di Python. Si usa dal terminale, non dentro al codice.

Gestione degli errori: try...except

Quando il codice può generare un errore (eccezione), lo gestiamo con try ... except per evitare che il programma si interrompa. Si possono aggiungere else (se non ci sono errori) e finally (eseguito sempre).

La formattazione delle stringhe

Per costruire stringhe con valori variabili, il modo moderno e consigliato sono le f-string (da Python 3.6): basta anteporre f alla stringa e inserire le variabili tra parentesi graffe.

Il valore None

None rappresenta l'assenza di valore ed è di tipo NoneType. Si usa per indicare “niente”, valori non ancora assegnati o il ritorno di funzioni che non restituiscono nulla. Per confrontarlo si usa is, non ==.

L'input dell'utente

La funzione input() chiede un dato all'utente e restituisce sempre una stringa: per usarla come numero serve il casting con int() o float().

Gli ambienti virtuali (VirtualEnv)

Un ambiente virtuale è una “sandbox” isolata dove installare i pacchetti di un singolo progetto, senza interferire con gli altri o con il Python di sistema. È una buona pratica fondamentale. Si crea col modulo venv dal terminale.

Programmazione a oggetti (OOP): introduzione

La programmazione orientata agli oggetti (OOP, Object-Oriented Programming) è un paradigma che organizza il codice attorno a oggetti: entità che uniscono dati (attributi) e comportamenti (metodi). Python è completamente orientato agli oggetti.

I quattro pilastri della OOP sono: incapsulamento, ereditarietà, polimorfismo e astrazione. Padroneggiarli ti permette di scrivere programmi grandi, ordinati e facili da mantenere.

Classi e oggetti

Una classe è il modello (lo “stampo”) da cui si creano gli oggetti (le istanze). Si definisce con la parola chiave class. Creare un oggetto significa “istanziare” la classe.

Il metodo __init__ (costruttore)

Il metodo speciale __init__ è il costruttore: viene chiamato automaticamente quando si crea un oggetto e serve a inizializzarne gli attributi. È il punto in cui passiamo i dati iniziali.

Il parametro self

self rappresenta l'oggetto stesso e deve essere il primo parametro di ogni metodo di istanza. Serve ad accedere agli attributi e ai metodi dell'oggetto su cui il metodo è chiamato. Non lo passi tu: ci pensa Python.

Le proprietà (attributi) di classe

Gli attributi di istanza appartengono al singolo oggetto (definiti con self.), mentre gli attributi di classe sono condivisi da tutte le istanze. Si possono leggere, modificare e aggiungere dinamicamente.

I metodi di classe

I metodi sono funzioni definite dentro una classe che descrivono il comportamento degli oggetti. Oltre ai metodi di istanza esistono i metodi di classe (@classmethod, ricevono cls) e i metodi statici (@staticmethod, non ricevono né self né cls).

L'ereditarietà

L'ereditarietà permette a una classe (figlia) di ereditare attributi e metodi da un'altra (genitore), riutilizzando il codice ed estendendolo. La funzione super() richiama il costruttore o i metodi della classe genitore.

Il polimorfismo

Il polimorfismo (“molte forme”) consente di usare lo stesso metodo su oggetti di classi diverse, ottenendo comportamenti specifici per ciascuna. È ciò che rende il codice flessibile: scrivi una logica generale che funziona con tipi diversi.

L'incapsulamento

L'incapsulamento consiste nel nascondere i dettagli interni di un oggetto, proteggendo i dati. In Python, per convenzione, un attributo con doppio underscore __nome diventa “privato” (name mangling) e si accede solo tramite metodi pubblici (getter e setter).

Le classi annidate (inner classes)

Una classe annidata è una classe definita dentro un'altra classe. Si usa quando un oggetto “interno” ha senso solo nel contesto di quello “esterno”, ad esempio un motore che appartiene a un'automobile.

Python Gestione dei file (File Handling)

La gestione dei file in Python permette di leggere e scrivere file sul disco con la funzione open(). Si indica il nome del file e la modalità: "r" (lettura), "w" (scrittura), "a" (aggiunta), "x" (crea).

Python Leggere i file

Per leggere un file si apre in modalità "r" e si usa read() (tutto il contenuto) o si itera riga per riga.

with open("dati.txt", "r") as f:
    contenuto = f.read()
    print(contenuto)

# riga per riga
with open("dati.txt", "r") as f:
    for riga in f:
        print(riga.strip())

Python Scrivere e creare file

Per scrivere si apre in "w" (sovrascrive) o "a" (aggiunge). Se il file non esiste, viene creato.

with open("note.txt", "w") as f:
    f.write("Prima riga\n")
    f.write("Seconda riga\n")

# aggiungere senza cancellare
with open("note.txt", "a") as f:
    f.write("Riga aggiunta\n")

Python Eliminare i file

Per eliminare un file si usa il modulo os. È buona pratica controllare prima che il file esista.

import os

if os.path.exists("note.txt"):
    os.remove("note.txt")
    print("File eliminato")
else:
    print("Il file non esiste")

Python NumPy

NumPy è la libreria fondamentale per il calcolo numerico in Python: introduce gli array multidimensionali, molto più veloci delle liste per i calcoli matematici. È la base di Pandas, SciPy e del machine learning.

import numpy as np

a = np.array([1, 2, 3, 4])
print(a * 2)        # [2 4 6 8]
print(a.mean())     # 2.5
print(a.sum())      # 10

Python Pandas

Pandas è la libreria per l'analisi dei dati: lavora con tabelle chiamate DataFrame, simili a un foglio Excel. Permette di leggere file CSV/Excel, filtrare, raggruppare e calcolare statistiche.

import pandas as pd

dati = pd.DataFrame({
    "nome": ["Anna", "Luca", "Sara"],
    "voto": [8, 6, 9]
})
print(dati["voto"].mean())          # 7.67
print(dati[dati["voto"] >= 7])      # solo i promossi

Python SciPy

SciPy estende NumPy con funzioni avanzate di matematica, scienza e ingegneria: ottimizzazione, statistica, algebra lineare, elaborazione di segnali.

from scipy import stats

dati = [4, 8, 15, 16, 23, 42]
print(stats.tmean(dati))     # media
print(stats.mode([1,1,2,3])) # moda

Python Django

Django è il framework web più usato in Python: permette di costruire siti e applicazioni web complete e sicure, con database, autenticazione e pannello di amministrazione già pronti.

# views.py — una semplice pagina Django
from django.http import HttpResponse

def home(request):
    return HttpResponse("Ciao dal mio sito Django!")

Python Matplotlib

Matplotlib è la libreria per creare grafici in Python: linee, barre, istogrammi, grafici a torta e a dispersione (scatter). Il modulo principale è pyplot, di solito importato come plt.

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [10, 25, 18, 40]

plt.plot(x, y, marker="o")     # grafico a linee
plt.title("Andamento")
plt.xlabel("Mese")
plt.ylabel("Vendite")
plt.grid(True)
plt.show()

Python Machine Learning — introduzione

Il machine learning (apprendimento automatico) insegna al computer a fare previsioni a partire dai dati, invece di programmare regole fisse. Python è il linguaggio più usato per il ML grazie a librerie come scikit-learn, NumPy e Pandas.

• 🤖 Apprendimento supervisionato: si impara da dati già etichettati (es. regressione, classificazione).
• 🧩 Apprendimento non supervisionato: si trovano schemi nei dati senza etichette (es. clustering, K-means).

Python ML — Media, Mediana, Moda

Le tre misure di tendenza centrale sono la base della statistica per il ML: media (valore medio), mediana (valore centrale), moda (valore più frequente).

Python ML — Deviazione standard e percentili

La deviazione standard misura quanto i dati si discostano dalla media: un valore basso indica dati vicini alla media, alto indica dati molto sparsi. I percentili indicano sotto quale valore si trova una certa percentuale dei dati.

Python ML — Distribuzione dei dati

Capire la distribuzione dei dati è il primo passo del ML. La distribuzione normale (a campana) è la più comune: la maggior parte dei valori si concentra intorno alla media. Con NumPy si generano dati casuali per allenare i modelli.

import numpy as np
# 250 valori con media 50 e deviazione standard 10
dati = np.random.normal(50, 10, 250)
print(dati.mean(), dati.std())

Python ML — Regressione lineare

La regressione lineare trova la retta che meglio approssima la relazione tra due variabili, per fare previsioni (es. prevedere il prezzo in base alla dimensione).

from scipy import stats
x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 4, 6]
slope, intercept, r, p, std = stats.linregress(x, y)
def previsione(v): return slope * v + intercept
print(previsione(6))   # previsione per x=6

Python ML — Regressione polinomiale e multipla

Quando i dati non seguono una retta, la regressione polinomiale usa una curva. La regressione multipla prevede un valore in base a più variabili contemporaneamente (es. prezzo in base a dimensione e numero di stanze).

import numpy as np
x = [1, 2, 3, 5, 6, 7]
y = [5, 3, 2, 3, 5, 8]
modello = np.poly1d(np.polyfit(x, y, 3))   # grado 3
print(modello(4))

Python ML — Train/Test e scala dei dati

Per valutare un modello si dividono i dati in training set (per allenare) e test set (per verificare), tipicamente 80/20. La scalatura porta variabili con unità diverse sulla stessa scala.

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42)

Python ML — Albero decisionale e altri modelli

L'albero decisionale prende decisioni con una serie di domande sì/no. Altri modelli comuni in scikit-learn: regressione logistica (classificazione), K-means (clustering), matrice di confusione (per valutare un classificatore).

from sklearn import tree
modello = tree.DecisionTreeClassifier()
modello.fit(X, y)
print(modello.predict([[nuovo_dato]]))

Python ML — K-Nearest Neighbors

Il K-Nearest Neighbors (KNN) classifica un nuovo dato in base ai k esempi più vicini. È semplice e intuitivo: “dimmi con chi vai e ti dirò chi sei”.

from sklearn.neighbors import KNeighborsClassifier
modello = KNeighborsClassifier(n_neighbors=3)
modello.fit(X, y)
print(modello.predict([[nuovo_dato]]))

Python DSA — Strutture dati e algoritmi

Le strutture dati e algoritmi (DSA, Data Structures and Algorithms) sono il cuore dell'informatica: imparare a organizzare i dati e a risolvere problemi in modo efficiente è fondamentale per i colloqui tecnici e per scrivere programmi veloci.

Python DSA — Stack (pile)

Uno stack (pila) segue la logica LIFO (Last In, First Out): l'ultimo elemento inserito è il primo a uscire, come una pila di piatti. In Python si realizza con una lista.

Python DSA — Queue (code)

Una queue (coda) segue la logica FIFO (First In, First Out): il primo elemento inserito è il primo a uscire, come una fila allo sportello.

Python DSA — Liste collegate (Linked List)

Una lista collegata è una sequenza di nodi, dove ogni nodo contiene un valore e un riferimento al nodo successivo. A differenza degli array, gli elementi non sono contigui in memoria.

class Nodo:
    def __init__(self, valore):
        self.valore = valore
        self.successivo = None

a = Nodo("A"); b = Nodo("B")
a.successivo = b        # A -> B

Python DSA — Hash table

Una hash table associa chiavi a valori con accesso quasi istantaneo. In Python è già integrata nel tipo dizionario (dict).

Python DSA — Alberi (Trees)

Un albero è una struttura gerarchica con una radice e nodi figli. Casi particolari: albero binario (max 2 figli per nodo), albero binario di ricerca (BST) e gli alberi bilanciati AVL, che mantengono le ricerche veloci.

class NodoAlbero:
    def __init__(self, valore):
        self.valore = valore
        self.sinistro = None
        self.destro = None

radice = NodoAlbero(10)
radice.sinistro = NodoAlbero(5)
radice.destro = NodoAlbero(15)

Python DSA — Grafi (Graphs)

Un grafo rappresenta relazioni tra elementi (nodi) collegati da archi: mappe stradali, social network, reti. In Python si rappresenta spesso con un dizionario di liste di adiacenza.

grafo = {
    "A": ["B", "C"],
    "B": ["A", "D"],
    "C": ["A", "D"],
    "D": ["B", "C"]
}
print(grafo["A"])   # vicini di A: ['B', 'C']

Python DSA — Ricerca lineare e binaria

La ricerca lineare scorre tutti gli elementi uno per uno. La ricerca binaria è molto più veloce ma richiede una lista ordinata: dimezza l'intervallo a ogni passo.

Python DSA — Algoritmi di ordinamento

Gli algoritmi di ordinamento mettono in ordine gli elementi di una lista. I principali sono Bubble Sort, Selection Sort, Insertion Sort, Quick Sort, Merge Sort, Counting Sort e Radix Sort, con diverse velocità (complessità).

Python e MySQL

Python può collegarsi a un database MySQL con il connettore mysql-connector-python. Si apre una connessione, si crea un cursore e si eseguono le query SQL.

import mysql.connector

db = mysql.connector.connect(
    host="localhost", user="root", password="", database="scuola")
cur = db.cursor()

cur.execute("SELECT nome, voto FROM studenti WHERE voto >= %s", (6,))
for nome, voto in cur.fetchall():
    print(nome, voto)

Python e MongoDB

MongoDB è un database NoSQL a documenti (in formato simile al JSON). Python ci si collega con la libreria pymongo: invece di tabelle e righe, si lavora con collezioni e documenti.

from pymongo import MongoClient

client = MongoClient("mongodb://localhost:27017/")
db = client["scuola"]
studenti = db["studenti"]

studenti.insert_one({"nome": "Anna", "voto": 8})
for s in studenti.find({"voto": {"$gte": 6}}):
    print(s["nome"], s["voto"])

Esempi Python pronti da copiare

Il modo migliore per imparare Python è partire da programmi già funzionanti: copiali, aprili nell'editor “Provalo tu” ed eseguili. Ogni esempio di questo corso è anche un piccolo esercizio.

Editor Python online (Provalo tu)

Su questo corso hai un editor Python online gratuito integrato, basato su Pyodide: esegui codice Python reale direttamente nel browser, senza installare nulla. Ogni esempio ha il pulsante “Provalo tu ▶”.

1. Clicca “Provalo tu” su un esempio.
2. Modifica il codice Python.
3. Premi ▶ Esegui e guarda subito l'output.

Quiz Python — metti alla prova le tue conoscenze

Un breve quiz di Python per autovalutarti. Pensa alla risposta e poi apri la soluzione.

Esercizi Python con soluzioni (per principianti)

Questi esercizi di Python svolti sono pensati per chi vuole fare pratica con esempi reali. Per ognuno c'è la consegna e la soluzione commentata: provala nell'editor “Provalo tu”. Sono gli stessi esercizi di Python che assegno ai miei studenti durante le ripetizioni a Roma.

n = int(input("Numero: "))
if n % 2 == 0:
    print("Pari")
else:
    print("Dispari")

numeri = [4, 8, 15, 16, 23, 42]
totale = 0
for n in numeri:
    totale += n
print(totale)   # 108

frase = input("Frase: ").lower()
vocali = sum(1 for c in frase if c in "aeiou")
print("Vocali:", vocali)

parola = input("Parola: ")
if parola == parola[::-1]:
    print("È palindroma!")
else:
    print("Non è palindroma.")

voti = {"Anna": 8, "Luca": 5, "Sara": 7}
media = sum(voti.values()) / len(voti)
print("Media:", round(media, 2))
promossi = [n for n, v in voti.items() if v >= 6]
print("Promossi:", promossi)

Sfide Python — esercizi avanzati senza soluzione

Le sfide Python sono esercizi più impegnativi, senza soluzione data: l'obiettivo è ragionare e costruire da soli.

Programma del corso Python (syllabus)

Questo è il programma completo del corso di Python, l'elenco ordinato degli argomenti dal principiante all'avanzato. È lo stesso syllabus che seguo in classe e nelle ripetizioni.

1. Basi: sintassi, variabili, tipi di dato, operatori, input/output.
2. Controllo: condizioni, cicli while e for, funzioni.
3. Strutture dati: liste, tuple, set, dizionari.
4. Avanzato: moduli, gestione errori, file, OOP (classi ed ereditarietà).
5. Librerie: NumPy, Pandas, Matplotlib e un'introduzione al machine learning.
6. Pratica: DSA, database, esercizi e mini-progetti.

Piano di studio Python

Quanto ci vuole per imparare Python? Le basi in 1-2 settimane. Ecco un piano di studio realistico studiando circa un'ora al giorno.

Preparazione al colloquio — domande Python frequenti

Le domande di Python più frequenti ai colloqui per ruoli da sviluppatore e data analyst. Utili anche per le interrogazioni a scuola.

Bootcamp Python — percorso intensivo

Un bootcamp Python condensa la teoria nella pratica continua. Per imparare velocemente, alterna ogni argomento con un esercizio immediato:

• ✅ Studia un argomento (max 20 minuti).
• ✅ Esegui l'esempio nell'editor “Provalo tu”.
• ✅ Risolvi un esercizio collegato senza guardare la soluzione.
• ✅ Ripeti con l'argomento successivo.

Riepilogo Python — i concetti chiave

Un riepilogo veloce di Python da ripassare prima di una verifica o un colloquio:

• 📌 Python è semplice, leggibile e usatissimo (web, dati, AI, automazione).
• 📌 L'indentazione definisce i blocchi (niente parentesi graffe).
• 📌 Liste, tuple, set, dizionari sono le strutture dati di base.
• 📌 Le funzioni (def) organizzano e riusano il codice.
• 📌 La OOP (classi) modella oggetti del mondo reale.
• 📌 Le librerie (NumPy, Pandas, Matplotlib) rendono Python potentissimo per i dati.

Riferimento — Funzioni built-in

Riferimento — Metodi delle stringhe

Riferimento — Metodi delle liste

Riferimento — Metodi dei dizionari

Certificato Python

Vuoi una certificazione di Python da mostrare nel CV? Al termine di questo corso hai le competenze per affrontare i test di certificazione online più diffusi (come PCEP/PCAP) e, soprattutto, per scrivere programmi Python reali.

Se sei un mio studente, posso rilasciarti un attestato di partecipazione al percorso di Python svolto durante le ripetizioni in presenza a Roma, con l'elenco degli argomenti e dei progetti realizzati.

Conclusione

Complimenti! 🎉 Hai completato il corso di Python completo e gratuito in italiano: dalle basi (variabili, cicli, funzioni) alla programmazione a oggetti, dalla gestione dei file alle grandi librerie (NumPy, Pandas, Matplotlib), dal machine learning alle strutture dati e algoritmi (DSA), fino ai database (MySQL, MongoDB), con esercizi, sfide e riferimenti. Ora hai una panoramica completa di uno dei linguaggi più richiesti al mondo.

Il modo migliore per consolidare Python è esercitarsi ogni giorno: rifai gli esercizi Python, affronta le sfide e prova a costruire un piccolo progetto.

E ora?

Da qui puoi specializzarti: sviluppo web (Django/Flask), data science e intelligenza artificiale (Pandas, scikit-learn), oppure automazione. Se vuoi un percorso guidato passo passo o aiuto per una verifica, posso seguirti con le ripetizioni di informatica in presenza a Roma.