Contare le condizioni meteo avverse

Il DataFrame weather contiene 20 colonne che iniziano con 'WT', ognuna delle quali rappresenta una condizione meteo avversa. Ad esempio:

WT05 indica "Grandine"
WT11 indica "Venti forti o dannosi"
WT17 indica "Pioggia gelata"

Per ogni riga del dataset, ciascuna colonna WT contiene o 1 (significa che la condizione era presente quel giorno) oppure NaN (significa che la condizione non era presente).

In questo esercizio quantificherai "quanto è stato brutto" il meteo ogni giorno contando il numero di valori 1 in ciascuna riga.

Questo esercizio fa parte del corso

Analizzare l'attività di polizia con pandas

Visualizza il corso

Istruzioni dell'esercizio

Copia le colonne da WT01 a WT22 da weather in un nuovo DataFrame chiamato WT.
Calcola la somma di ogni riga in WT e salva i risultati in una nuova colonna di weather chiamata bad_conditions.
Sostituisci gli eventuali valori mancanti in bad_conditions con 0. (È già stato fatto per te.)
Crea un istogramma per visualizzare bad_conditions, quindi mostra il grafico.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Copy 'WT01' through 'WT22' to a new DataFrame
WT = weather.____[____]

# Calculate the sum of each row in 'WT'
weather['bad_conditions'] = WT.____(____)

# Replace missing values in 'bad_conditions' with '0'
weather['bad_conditions'] = weather.bad_conditions.fillna(0).astype('int')

# Create a histogram to visualize 'bad_conditions'


# Display the plot

Modifica ed esegui il codice