Regrouper des données avec pandas
La sortie d'un pipeline de données est généralement un jeu de données « modélisé ». Ce jeu de données permet aux utilisateurs de données d'accéder facilement à l'information, sans avoir à effectuer beaucoup de manipulation. Regrouper des données avec pandas aide à créer des jeux de données modélisés.
pandas a été importé sous le nom pd, et le DataFrame raw_testing_scores contient des données sous la forme suivante :
street_address city math_score reading_score writing_score
01M539 111 Columbia Street Manhattan 657.0 601.0 601.0
02M294 350 Grand Street Manhattan 395.0 411.0 387.0
02M308 350 Grand Street Manhattan 418.0 428.0 415.0
Cette activité fait partie du cours
ETL et ELT en Python
Instructions de l’exercice
- Utilisez
.loc[]pour ne garder que les colonnes"city","math_score","reading_score"et"writing_score". - Regroupez le DataFrame par la colonne
"city", puis calculez la moyenne des résultats en mathématiques, en lecture et en écriture pour chaque ville. - Utilisez la fonction
transform()pour créer un DataFrame regroupé.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
def transform(raw_data):
# Use .loc[] to only return the needed columns
raw_data = raw_data.____[:, ____]
# Group the data by city, return the grouped DataFrame
grouped_data = raw_data.____(by=["____"], axis=0).____()
return grouped_data
# Transform the data, print the head of the DataFrame
grouped_testing_scores = ____(raw_testing_scores)
print(grouped_testing_scores.head())