Les relier entre eux !
Dans la dernière leçon, vous avez terminé l'essentiel du travail pour relier restaurants et restaurants_new. Vous avez généré les différentes paires de lignes potentiellement correspondantes, recherché les correspondances exactes entre les colonnes « cuisine_type » et « city », mais comparé les chaînes similaires dans la colonne « rest_name ». Vous avez enregistré le DataFrame contenant les scores dans l'potential_matches.
Il est maintenant temps de relier les deux DataFrames. Pour ce faire, veuillez commencer par extraire tous les indices de ligne de restaurants_new qui correspondent aux colonnes mentionnées ci-dessus à partir de potential_matches. Ensuite, vous allez sous-diviser restaurants_new sur ces indices, puis concaténer les valeurs non dupliquées avec restaurants. Tous les DataFrames se trouvent dans votre environnement, aux côtés d'pandas, importé sous le nom pd.
Cet exercice fait partie du cours
Nettoyage des données dans Python
Instructions
- Isolez les instances d'
potential_matchess où la somme des lignes est supérieure ou égale à 3 à l'aide de la méthode.sum(). - Extrayez l'index de la deuxième colonne de
matches, qui représente les index des lignes de l'enregistrement correspondant derestaurants_newà l'aide de la méthode.get_level_values(). restaurants_newt d'un sous-ensemble pour les lignes qui ne sont pas dansmatching_indices.- Veuillez concaténer
restaurantsetnon_dup.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Isolate potential matches with row sum >=3
matches = ____[____.___(____) >= ____]
# Get values of second column index of matches
matching_indices = matches.____.____(____)
# Subset restaurants_new based on non-duplicate values
non_dup = ____[~restaurants_new.index.____(____)]
# Concatenate restaurants and non_dup
full_restaurants = pd.____([____, ____])
print(full_restaurants)