Počítání nepříznivých povětrnostních podmínek

DataFrame weather obsahuje 20 sloupců začínajících na 'WT', z nichž každý představuje jednu nepříznivou povětrnostní podmínku. Například:

WT05 označuje „kroupy"
WT11 označuje „silný nebo ničivý vítr"
WT17 označuje „mrznoucí déšť"

V každém řádku datasetu obsahuje každý sloupec WT buď hodnotu 1 (podmínka v daný den nastala), nebo NaN (podmínka nenastala).

V tomto cvičení kvantifikuješ, jak „špatné" bylo počasí každý den, a to spočítáním hodnot 1 v každém řádku.

Toto cvičení je součástí kurzu

Analyzing Police Activity with pandas

Zobrazit kurz

Pokyny k cvičení

Zkopíruj sloupce WT01 až WT22 z weather do nového DataFrame s názvem WT.
Vypočítej součet každého řádku v WT a výsledky ulož do nového sloupce weather s názvem bad_conditions.
Nahraď případné chybějící hodnoty v bad_conditions hodnotou 0. (Tento krok je už hotový.)
Vytvoř histogram pro vizualizaci bad_conditions a zobraz graf.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Copy 'WT01' through 'WT22' to a new DataFrame
WT = weather.____[____]

# Calculate the sum of each row in 'WT'
weather['bad_conditions'] = WT.____(____)

# Replace missing values in 'bad_conditions' with '0'
weather['bad_conditions'] = weather.bad_conditions.fillna(0).astype('int')

# Create a histogram to visualize 'bad_conditions'


# Display the plot

Upravit a spustit kód