Compter les conditions météo défavorables
Le DataFrame weather contient 20 colonnes qui commencent par 'WT', chacune représentant une condition météo défavorable. Par exemple :
WT05indique « Grêle »WT11indique « Vents forts ou dommageables »WT17indique « Pluie verglaçante »
Pour chaque ligne de l'ensemble de données, chaque colonne WT contient soit un 1 (la condition était présente ce jour-là) soit NaN (la condition était absente).
Dans cet exercice, vous allez quantifier « à quel point » la météo était mauvaise chaque jour en comptant le nombre de valeurs 1 dans chaque ligne.
Cette activité fait partie du cours
Analyse de l'activité policière avec pandas
Instructions de l’exercice
- Copiez les colonnes de
WT01àWT22deweatherdans un nouveau DataFrame nomméWT. - Calculez la somme de chaque ligne de
WTet enregistrez les résultats dans une nouvelle colonne deweathernomméebad_conditions. - Remplacez toutes les valeurs manquantes dans
bad_conditionspar0. (Ceci a été fait pour vous.) - Créez un histogramme pour visualiser
bad_conditions, puis affichez le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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