Chaînage de méthodes

Lorsque vous appliquez plusieurs opérations sur la même colonne (comme dans les exercices précédents), vous avez effectué les modifications en plusieurs étapes, en réaffectant le résultat à chaque fois. Cependant, lorsqu’il s’agit d’opérations successives sur une même colonne, vous pouvez « chaîner » ces opérations pour gagner en clarté et en simplicité. Cela se fait en appelant plusieurs méthodes à la suite :

# Chaînage de méthodes
df['column'] = df['column'].method1().method2().method3()

# Équivalent à 
df['column'] = df['column'].method1()
df['column'] = df['column'].method2()
df['column'] = df['column'].method3()

Dans cet exercice, vous allez répéter les étapes réalisées dans les deux exercices précédents, mais en utilisant le chaînage de méthodes.

Cet exercice fait partie du cours

<cours>Feature engineering pour le Machine Learning en Python</cours>

Voir le cours

Instructions de l’exercice

Supprimez les virgules (,) de la colonne RawSalary de so_survey_df.
Supprimez les signes dollar ($) de la colonne RawSalary.
Supprimez les signes livre (£) de la colonne RawSalary.
Convertissez la colonne RawSalary en float.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Use method chaining
so_survey_df['RawSalary'] = so_survey_df['RawSalary']\
                              .____\
                              .____\
                              .____\
                              .____
 
# Print the RawSalary column
print(so_survey_df['RawSalary'])

Modifier et exécuter le code