pandas-DataFrames filtern

Sobald Daten aus einem Quellsystem extrahiert wurden, ist es Zeit für die Transformation! Häufig enthalten Quelldaten mehr Informationen, als für die nachgelagerten Anwendungsfälle benötigt werden. In diesem Fall sollte die Dimensionalität in der „Transform"-Phase der Datenpipeline reduziert werden.

pandas wurde als pd importiert, und die Funktion extract() steht zur Verfügung, um einen DataFrame aus dem übergebenen Pfad zu laden.

Diese Übung ist Teil des Kurses

<Kurs>ETL und ELT in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende die Funktion extract(), um den DataFrame aus dem Pfad "sales_data.parquet" zu laden.
Aktualisiere die Funktion transform(), sodass sie alle Zeilen und Spalten mit "Quantity Ordered" größer als 1 zurückgibt.
Filtere den DataFrame clean_data weiter, sodass nur die Spalten "Order Date", "Quantity Ordered" und "Purchase Address" enthalten sind.
Gib den gefilterten DataFrame zurück.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Extract data from the sales_data.parquet path
raw_sales_data = ____("sales_data.parquet")

def transform(raw_data):
  	# Only keep rows with `Quantity Ordered` greater than 1
    clean_data = raw_data.____[____, :]
    
    # Only keep columns "Order Date", "Quantity Ordered", and "Purchase Address"
    clean_data = ____
    
    # Return the filtered DataFrame
    return ____
    
transform(raw_sales_data)

Code bearbeiten und ausführen