Perhitungan pada tabel pivot
Tabel Pivot berisi statistik ringkasan, tetapi itu baru langkah awal untuk menemukan wawasan yang bermakna. Sering kali Anda perlu melakukan perhitungan lanjutan di atasnya. Hal yang umum dilakukan adalah mencari baris atau kolom tempat nilai tertinggi atau terendah muncul.
Ingat kembali dari Bab 1 bahwa Anda dapat dengan mudah melakukan subset pada Series atau DataFrame untuk menemukan baris yang menarik menggunakan kondisi logis di dalam tanda kurung siku. Contohnya: series[series > value].
pandas telah dimuat sebagai pd dan DataFrame temp_by_country_city_vs_year tersedia.
.head() untuk DataFrame ini ditunjukkan di bawah, dengan hanya beberapa kolom tahun yang ditampilkan:
| country | city | 2000 | 2001 | 2002 | … | 2013 |
|---|---|---|---|---|---|---|
| Afghanistan | Kabul | 15.823 | 15.848 | 15.715 | … | 16.206 |
| Angola | Luanda | 24.410 | 24.427 | 24.791 | … | 24.554 |
| Australia | Melbourne | 14.320 | 14.180 | 14.076 | … | 14.742 |
| Sydney | 17.567 | 17.854 | 17.734 | … | 18.090 | |
| Bangladesh | span translate="no">Dhaka | 25.905 | 25.931 | 26.095 | … | 26.587 |
Latihan ini adalah bagian dari kursus
Manipulasi Data dengan pandas
Petunjuk latihan
- Hitung suhu rata-rata untuk setiap tahun, simpan ke
mean_temp_by_year. - Saring
mean_temp_by_yearuntuk tahun dengan suhu rata-rata tertinggi. - Hitung suhu rata-rata untuk setiap kota (melintasi kolom), simpan ke
mean_temp_by_city. - Saring
mean_temp_by_cityuntuk kota dengan suhu rata-rata terendah.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Get the worldwide mean temp by year
mean_temp_by_year = temp_by_country_city_vs_year.____
# Filter for the year that had the highest mean temp
print(mean_temp_by_year[____])
# Get the mean temp by city
mean_temp_by_city = temp_by_country_city_vs_year.____
# Filter for the city that had the lowest mean temp
print(mean_temp_by_city[____])