Schlechte Wetterbedingungen zählen

Das DataFrame weather enthält 20 Spalten, die mit 'WT' beginnen; jede steht für eine schlechte Wetterbedingung. Zum Beispiel:

WT05 bedeutet „Hagel“
WT11 bedeutet „Starker oder schädigender Wind“
WT17 bedeutet „Eisregen“

Für jede Zeile im Datensatz enthält jede WT-Spalte entweder eine 1 (die Bedingung war an diesem Tag vorhanden) oder NaN (die Bedingung war nicht vorhanden).

In dieser Übung misst du, „wie schlecht“ das Wetter an jedem Tag war, indem du die Anzahl der 1-Werte in jeder Zeile zählst.

Diese Übung ist Teil des Kurses

Analyse polizeilicher Maßnahmen mit pandas

Kurs anzeigen

Anleitung zur Übung

Kopiere die Spalten WT01 bis WT22 aus weather in ein neues DataFrame namens WT.
Berechne die Summe jeder Zeile in WT und speichere die Ergebnisse in einer neuen weather-Spalte namens bad_conditions.
Ersetze fehlende Werte in bad_conditions durch 0. (Das ist bereits für dich erledigt.)
Erstelle ein Histogramm, um bad_conditions zu visualisieren, und zeige anschließend die Grafik an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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

Code bearbeiten und ausführen