Voitures par habitant (1)

Concentrons-nous un peu plus sur les données de cars. Cette fois-ci, vous voulez savoir quels sont les pays où le nombre de voitures par habitant est élevé. En d'autres termes, dans quels pays de nombreuses personnes disposent-elles d'une voiture, voire de plusieurs voitures ?

Comme dans l'exemple précédent, vous voudrez construire une série booléenne, que vous pourrez ensuite utiliser pour subdiviser le DataFrame cars afin de sélectionner certaines observations. Si vous voulez le faire en une seule ligne, c'est tout à fait possible.

Cet exercice fait partie du cours

Python intermédiaire

Afficher le cours

Instructions

Sélectionnez la colonne cars_per_cap de cars en tant que série Pandas et stockez-la sous cpc.
Utilisez cpc en combinaison avec un opérateur de comparaison et 500. Vous voulez obtenir une série booléenne qui vaut True si le pays correspondant a un cars_per_cap supérieur à 500 et False dans le cas contraire. Stockez cette série booléenne dans many_cars.
Utilisez many_cars pour le sous-ensemble cars, comme vous l'avez fait précédemment. Enregistrez le résultat en tant que car_maniac.
Affichez car_maniac pour voir si vous avez bien compris.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import cars data
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Create car_maniac: observations that have a cars_per_cap over 500




# Print car_maniac

Modifier et exécuter le code