La réponse de l'API et Pandas
Dans cet exercice, vous allez charger les données d'un objet de réponse d'API dans un DataFrame pandas. Vous attribuerez des noms de colonnes conviviaux et convertirez les valeurs, initialement des chaînes de caractères, vers des types de données appropriés.
Après avoir créé le DataFrame, exécutez l'exemple de code pour créer un nuage de points et visualiser la relation entre la taille moyenne des familles et l'âge médian aux États‑Unis.
requests et pandas (comme pd) ont déjà été importés. Un objet de réponse r est chargé.
Cette activité fait partie du cours
Analyser les données du recensement des États-Unis avec Python
Instructions de l’exercice
- Créez une liste
col_namesde 4 nouveaux noms de colonnes :name,median_age,avg_family_size, etstate - Utilisez le constructeur de DataFrame pour créer le DataFrame
states. Le paramètre data doit être défini àr.json(), mais utilisez un découpage pour ignorer le premier élément, qui contient les anciens noms de colonnes - Utilisez la méthode
astypesur chaque colonne pour attribuer le type de données approprié.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()