Nejpopulárnější písničky
Čeká tě ještě jeden úkol se Spotify daty: najít 10 nejpopulárnějších písniček napříč všemi dostupnými roky. Algoritmus, který k tomu použiješ, funguje tak, že nejprve najdeš top 10 písniček za každý rok, výsledky pak spojíš a z nich vybereš finální top 10.
Následující funkce, která najde 10 nejpopulárnějších písniček v DataFrame, je už připravená a dostupná v tvém prostředí.
def top_10_most_popular(df):
return df.nlargest(n=10, columns='popularity')
dask a funkce delayed() jsou již naimportované. pandas je naimportovaný jako pd. Seznam názvů souborů je dostupný v proměnné filenames a rok každého souboru je uložen v seznamu years.
Toto cvičení je součástí kurzu
Parallel Programming with Dask in Python
Pokyny k cvičení
- Pro každý soubor najdi 10 nejpopulárnějších písniček za daný rok pomocí funkce
top_10_most_popular(). - Vypočítej seznam top 10 z každého roku a vyber první prvek výsledného tuple.
- Spusť funkci
top_10_most_popular()a najdi 10 nejpopulárnějších písniček napříč spojeným DataFrame.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
top_songs = []
for file in filenames:
df = delayed(pd.read_csv)(file)
# Find the top 10 most popular songs in this file
df_top_10 = ____
top_songs.append(df_top_10)
# Compute the list of top 10s
top_songs_list = ____
# Concatenate them and find the best of the best
top_songs_df = pd.concat(top_songs_list)
df_all_time_top_10 = ____
print(df_all_time_top_10)