Pivoter la température par ville et par année

C'est intéressant de voir comment les températures de chaque ville évoluent dans le temps — regarder chaque mois donne un grand tableau, pas toujours facile à interpréter. À la place, regardons plutôt l'évolution par année.

Vous pouvez accéder aux composantes d'une date (année, mois et jour) avec du code de la forme dataframe["column"].dt.component. Par exemple, la composante du mois est dataframe["column"].dt.month, et celle de l'année est dataframe["column"].dt.year.

Une fois la colonne de l'année obtenue, vous pouvez créer un tableau croisé dynamique où les données sont regroupées par ville et par année, que vous examinerez dans les exercices suivants.

pandas est importé sous le nom pd. temperatures est disponible.

Cette activité fait partie du cours

Manipulation de données avec pandas

Voir le cours

Instructions de l’exercice

Ajoutez une colonne year à temperatures, à partir de la composante year de la colonne date.
Créez un tableau croisé dynamique de la colonne avg_temp_c, avec country et city comme lignes, et year comme colonnes. Assignez le résultat à temp_by_country_city_vs_year, puis examinez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Add a year column to temperatures
____

# Pivot avg_temp_c by country and city vs year
temp_by_country_city_vs_year = ____

# See the result
print(temp_by_country_city_vs_year)

Modifier et exécuter le code