Řetězení operací

Teď, když máš data načtená a vyčištěná, můžeš se pustit do analýzy. Prvním úkolem je prozkoumat data o datech narození politiků. Data narození jsou uložena jako řetězce ve formátu 'YYYY-MM-DD'. První 4 znaky řetězce představují rok.

Filtrovaný Dask bag vytvořený v předchozím cvičení, filtered_bag, je dostupný v tvém prostředí.

Toto cvičení je součástí kurzu

Parallel Programming with Dask in Python

Zobrazit kurz

Pokyny k cvičení

Pomocí metody .pluck() extrahuj z bagu řetězce 'birth_date'.
Napiš lambda funkci, která z řetězců 'birth_date' vytáhne řetězec roku a převede ho na celé číslo.
Pomocí nového bagu birth_year_bag vypočítej minimální, maximální a průměrný rok narození.
K efektivnímu výpočtu všech tří agregátů použij funkci dask.compute().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Select the 'birth_date' from each dictionary in the bag
birth_date_bag = filtered_bag.____

# Extract the year as an integer from the birth_date strings
birth_year_bag = birth_date_bag.____(lambda x: ____)

# Calculate the min, max and mean birth years
min_year = ____
max_year = ____
mean_year = ____

# Compute the results efficiently and print them
print(____(____))

Upravit a spustit kód