Výpočty nad kontingenční tabulkou
Kontingenční tabulky jsou plné souhrnných statistik, ale to je teprve začátek – pro skutečně zajímavé závěry bývá potřeba provést další výpočty. Častým úkolem je najít řádky nebo sloupce, kde se vyskytuje nejvyšší nebo nejnižší hodnota.
Vzpomeň si z kapitoly 1, že pomocí logické podmínky v hranatých závorkách snadno vyfiltrujeme řádky zájmu ze série nebo DataFramu. Například: series[series > value].
pandas je načtený jako pd a DataFrame temp_by_country_city_vs_year je dostupný.
Níže je zobrazeno .head() tohoto DataFramu (jen několik sloupců s roky):
| country | city | 2000 | 2001 | 2002 | … | 2013 |
|---|---|---|---|---|---|---|
| Afghanistan | Kabul | 15.823 | 15.848 | 15.715 | … | 16.206 |
| Angola | Luanda | 24.410 | 24.427 | 24.791 | … | 24.554 |
| Australia | Melbourne | 14.320 | 14.180 | 14.076 | … | 14.742 |
| Sydney | 17.567 | 17.854 | 17.734 | … | 18.090 | |
| Bangladesh | span translate="no">Dhaka | 25.905 | 25.931 | 26.095 | … | 26.587 |
Toto cvičení je součástí kurzu
Manipulace s daty v pandas
Pokyny k cvičení
- Vypočítej průměrnou teplotu pro každý rok a výsledek ulož do
mean_temp_by_year. - Vyfiltruj z
mean_temp_by_yearrok s nejvyšší průměrnou teplotou. - Vypočítej průměrnou teplotu pro každé město (přes sloupce) a výsledek ulož do
mean_temp_by_city. - Vyfiltruj z
mean_temp_by_cityměsto s nejnižší průměrnou teplotou.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Get the worldwide mean temp by year
mean_temp_by_year = temp_by_country_city_vs_year.____
# Filter for the year that had the highest mean temp
print(mean_temp_by_year[____])
# Get the mean temp by city
mean_temp_by_city = temp_by_country_city_vs_year.____
# Filter for the city that had the lowest mean temp
print(mean_temp_by_city[____])