Verkaufsdaten mit pandas transformieren

Bevor du Erkenntnisse aus einem Datensatz gewinnen kannst, müssen Spaltentypen eventuell angepasst werden, um die Daten korrekt zu nutzen. Das ist besonders bei temporalen Datentypen üblich, die auf mehrere Arten gespeichert sein können.

Für dieses Beispiel wurde pandas als pd importiert und steht für dich bereit.

Diese Übung ist Teil des Kurses

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

Kurs ansehen

Übungsanweisungen

Aktualisiere die Funktion transform(), sodass die Daten in der Spalte "Order Date" in den Typ datetime konvertiert werden.
Filtere den DataFrame so, dass er nur Zeilen mit "Price Each" kleiner als zehn Dollar enthält.
Gib die Datentypen jeder Spalte im DataFrame aus.

Interaktive praktische Übung

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

raw_sales_data = extract("sales_data.csv")

def transform(raw_data):
    # Convert the "Order Date" column to type datetime
    raw_data["Order Date"] = pd.____(____, format="%m/%d/%y %H:%M")
    
    # Only keep items under ten dollars
    clean_data = raw_data.loc[____, :]
    return clean_data

clean_sales_data = transform(raw_sales_data)

# Check the data types of each column
print(____)

Code bearbeiten und ausführen