Filtrer des DataFrames pandas
Une fois les données extraites d'un système source, il est temps de les transformer ! Souvent, les données sources contiennent plus d'informations que nécessaire pour les cas d'usage en aval. Dans ce cas, il faut réduire la dimensionnalité pendant la phase "transform" du pipeline de données.
pandas a été importé sous le nom pd, et la fonction extract() est disponible pour charger un DataFrame depuis le chemin fourni.
Cet exercice fait partie du cours
<cours>ETL et ELT en Python</cours>Instructions de l’exercice
- Utilisez la fonction
extract()pour charger le DataFrame stocké au chemin"sales_data.parquet". - Mettez à jour la fonction
transform()afin de renvoyer toutes les lignes et colonnes dont"Quantity Ordered"est supérieur à 1. - Filtrez ensuite le DataFrame
clean_datapour n'inclure que les colonnes"Order Date","Quantity Ordered"et"Purchase Address". - Renvoyez le DataFrame filtré.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Extract data from the sales_data.parquet path
raw_sales_data = ____("sales_data.parquet")
def transform(raw_data):
# Only keep rows with `Quantity Ordered` greater than 1
clean_data = raw_data.____[____, :]
# Only keep columns "Order Date", "Quantity Ordered", and "Purchase Address"
clean_data = ____
# Return the filtered DataFrame
return ____
transform(raw_sales_data)