Processamento di dati tabulari mediante SQL e Pandas: un confronto sperimentale

Nel mondo della data science, elemento cardine nel business moderno, ottimizzare le operazioni sui dataset è fondamentale per garantire efficienza, fluidità e scalabilità. A tal proposito, la tesi confronta due approcci per la gestione ed il processamento di dati tabulari. Pandas è una libreria di Python ampiamente utilizzata per l’analisi e la manipolazione di dati strutturati, grazie alla sua capacità di operare con facilità ed efficienza su dataset caricabili in memoria. D’altra parte, SQL rappresenta lo standard per la gestione e l’interrogazione di database relazionali, risultando una scelta consolidata quando si lavora con grandi volumi di dati. La tesi propone una comparazione qualitativa e quantitativa del supporto di Pandas e SQL per dati tabulari. Attraverso una serie di test sperimentali su dataset di dimensioni variabili, si analizza quale dei due strumenti risulti più performante per diverse tipologie di operazioni previste sui dati.