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 donnerez des noms de colonnes conviviaux et convertirez les valeurs (actuellement des chaînes) vers des types adaptés.

Après avoir créé le DataFrame, exécutez l’exemple de code pour tracer un nuage de points et visualiser la relation entre la taille moyenne des familles et l’âge médian aux États‑Unis.

requests et pandas (sous pd) ont déjà été importés. Un objet de réponse r est disponible.

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

Créez une liste col_names de 4 nouveaux noms de colonnes : name, median_age, avg_family_size, et state
Utilisez le constructeur de DataFrame pour créer le DataFrame states. Le paramètre data doit être défini sur r.json(), mais utilisez un slicing pour ignorer le premier élément, qui contient les anciens noms de colonnes
Utilisez la méthode astype sur chaque colonne pour lui attribuer le type de données approprié.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()

Modifier et exécuter le code