La risposta dell'API e Pandas

In questo esercizio caricherai i dati da un oggetto di risposta API in un DataFrame di pandas. Assegnerai nomi di colonna chiari per l'utente e convertirai i valori da stringhe ai tipi di dato appropriati.

Dopo aver creato il DataFrame, esegui il codice di esempio per creare uno scatterplot e visualizzare la relazione tra la dimensione media della famiglia e l’età mediana negli Stati Uniti.

requests e pandas (come pd) sono già stati importati. Un oggetto di risposta r è già caricato.

Questo esercizio fa parte del corso

Analizzare i dati del Censimento USA con Python

Visualizza corso

Istruzioni dell'esercizio

Crea una lista col_names con 4 nuovi nomi di colonna: name, median_age, avg_family_size e state
Usa il costruttore di DataFrame per creare il DataFrame states. Il parametro data deve essere impostato su r.json(), ma usa lo slicing per saltare il primo elemento, che contiene i vecchi nomi di colonna
Usa il metodo astype su ciascuna colonna per assegnare il tipo di dato corretto.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Import seaborn
import seaborn as sns
sns.set()

# Construct the DataFrame
col_names = ____
states = pd.DataFrame(columns = col_names, data = ____)

# Convert each column with numeric data to an appropriate type
states["median_age"] = states["median_age"].____
states["avg_family_size"] = ____

# Scatterplot with regression line
sns.lmplot(x = "avg_family_size", y = "median_age", data = states)
plt.show()

Modifica ed esegui il codice