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

Feature engineering pour le Machine Learning en Python

Afficher le cours

Instructions

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 cet exemple de code.

# 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