Faire un tri croisé sur la température par ville et par année

Il est intéressant de voir comment les températures de chaque ville évoluent dans le temps. En examinant chaque mois, on obtient un grand tableau, ce qui peut être difficile à interpréter. Voyons plutôt comment les températures évoluent d'une année à l'autre.

Vous pouvez accéder aux composants d'une date (année, mois et jour) en utilisant la syntaxe suivante : dataframe["column"].dt.component. Par exemple, la composante mois est dataframe["column"].dt.month, et la composante année est dataframe["column"].dt.year.

Une fois que vous avez la colonne de l'année, vous pouvez créer un tableau croisé dynamique avec les données agrégées par ville et par année, que vous explorerez dans les exercices suivants.

pandas est chargé en tant que pd. temperatures est disponible.

Cet exercice fait partie du cours

Manipulation de données avec pandas

Afficher le cours

Instructions

Ajoutez une colonne year à temperatures, à partir de la composante year de la colonne date.
Créez un tableau croisé dynamique de la colonne avg_temp_c, avec country et city comme lignes et year comme colonnes. Affectez-le à temp_by_country_city_vs_year, et regardez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Add a year column to temperatures
____

# Pivot avg_temp_c by country and city vs year
temp_by_country_city_vs_year = ____

# See the result
print(temp_by_country_city_vs_year)

Modifier et exécuter le code