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 violents ou destructeurs »WT17indique « Pluie verglaçante »
Pour chaque ligne du jeu de données, chaque colonne WT contient soit 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.
Cet exercice fait partie du cours
Analyzing Police Activity with pandas
Instructions
- Copiez les colonnes de
WT01àWT22depuisweatherdans un nouveau DataFrame nomméWT. - Calculez la somme de chaque ligne de
WTet stockez le résultat dans une nouvelle colonne deweathernomméebad_conditions. - Remplacez toutes les valeurs manquantes de
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 cet exemple de code.
# 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