Eseguire calcoli su una tabella pivot
Le tabelle pivot sono ricche di statistiche riassuntive, ma rappresentano solo il primo passo per individuare informazioni interessanti. Spesso dovrai eseguire ulteriori calcoli su di esse. Una pratica comune è identificare le righe o le colonne che contengono i valori più alti o più bassi.
Ricorda dal Capitolo 1 che puoi facilmente creare un sottoinsieme di una Series o di un DataFrame utilizzando una condizione logica tra parentesi quadre per filtrare le righe che ti interessano. Ad esempio: series[series > value].
pandas è già stato caricato come pd e il DataFrame temp_by_country_city_vs_year è a tua disposizione.
Qui sotto è mostrato il risultato di .head() per questo DataFrame, con solo alcune delle colonne degli anni visualizzate:
| 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 |
Questo esercizio fa parte del corso
Manipolazione dei dati con pandas
Istruzioni dell'esercizio
- Calcola la temperatura media di ogni anno, assegnando il risultato a
mean_temp_by_year. - Filtra
mean_temp_by_yearper l'anno con la temperatura media più alta. - Calcola la temperatura media di ogni città (in tutte le colonne), assegnando il risultato a
mean_temp_by_city. - Filtra
mean_temp_by_cityper trovare la città con la temperatura media più bassa.
Esercizio pratico interattivo
Prova questo esercizio completando il codice di esempio.
# 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[____])