La respuesta de la API y Pandas
En este ejercicio vas a cargar datos desde un objeto de respuesta de una API en un DataFrame de pandas. Asignarás nombres de columnas fáciles de leer y convertirás los valores de cadenas a los tipos de datos adecuados.
Después de crear el DataFrame, ejecuta el código de ejemplo para crear un diagrama de dispersión y visualizar la relación entre el tamaño medio de la familia y la mediana de edad en Estados Unidos.
requests y pandas (como pd) ya se han importado. Hay cargado un objeto de respuesta r.
Este ejercicio forma parte del curso
Análisis de datos del Censo de EE. UU. con Python
Instrucciones del ejercicio
- Crea una lista
col_namescon 4 nombres de columnas nuevos:name,median_age,avg_family_sizeystate. - Usa el constructor de DataFrame para crear el DataFrame
states. El parámetro data debe establecerse enr.json(), pero utiliza slicing para omitir el primer elemento, que contiene los nombres de columnas antiguos. - Usa el método
astypeen cada columna para asignar el tipo de dato correcto.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import seaborn
import seaborn as sns
sns.set()
# Construct the DataFrame
col_names = ____
states = pd.DataFrame(columns = col_names, data = ____)
# Convert each column with numeric data to an appropriate type
states["median_age"] = states["median_age"].____
states["avg_family_size"] = ____
# Scatterplot with regression line
sns.lmplot(x = "avg_family_size", y = "median_age", data = states)
plt.show()