La cote ne fait pas tout
Votre première exploration du jeu de données books_gothic s'est bien déroulée. Votre prochaine tâche consiste maintenant à pousser l'analyse plus loin. Vous devez remodeler votre DataFrame de nouveau. Cette fois, vous ne voulez pas utiliser toutes vos variables.
Pour ce faire, vous allez « fondre » (melt) votre DataFrame, en essayant différentes approches selon les colonnes utilisées comme identifiants et comme variables de valeurs.
Le même jeu de données books_gothic que vous avez utilisé plus tôt est à votre disposition. Il contient des données sur le title, l'author, le number_pages, le rating, le rating_count et le publisher de chaque livre. Pensez à l'examiner dans la console !
Cette activité fait partie du cours
Remanier des données avec pandas
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Melt publisher column using title and authors as identifiers
publisher_melted = books_gothic.____(____=[____, ____],
value_vars=____)
# Print publisher_melted
print(publisher_melted)