1. 学ぶ
    2. /
  2. コース
    3. /
  3. Python で学ぶ ETL と ELT
Connected

演習

pandasでデータをグループ化する

データパイプラインの出力は、一般に「モデル化」されたデータセットです。これは、データ利用者が複雑な操作をしなくても情報に簡単にアクセスできるようにするためのものです。pandasでデータをグループ化すると、こうしたモデル化データセットの構築に役立ちます。

pandasはpdとしてインポート済みで、raw_testing_scores DataFrameには次の形式のデータが含まれています。

              street_address       city  math_score  reading_score  writing_score
01M539   111 Columbia Street  Manhattan       657.0          601.0          601.0
02M294      350 Grand Street  Manhattan       395.0          411.0          387.0
02M308      350 Grand Street  Manhattan       418.0          428.0          415.0

指示

100 XP
  • .loc[]を使って、"city"、"math_score"、"reading_score"、"writing_score"列だけを残します。
  • DataFrameを"city"列でグループ化し、各都市のmath、reading、writingのスコアの平均を求めます。
  • transform()関数を使って、グループ化したDataFrameを作成します。