피벗 테이블에서 계산하기
피벗 테이블에 가득한 요약 통계량은 인사이트를 찾기 위한 첫 번째 단계일 뿐입니다. 많은 경우 피벗 테이블에서 추가적인 계산을 수행해야 합니다. 가장 흔한 작업 중 하나는 최댓값 또는 최솟값이 나타나는 행이나 열을 찾는 것입니다.
1장에서 배운 것과 같이, 대괄호 안에 논리 조건을 사용하면 Series나 DataFrame에서 원하는 행을 쉽게 부분 추출할 수 있습니다. 예: series[series > value].
pandas는 pd로 로드되어 있으며, DataFrame temp_by_country_city_vs_year를 사용할 수 있습니다.
이 DataFrame의 .head()는 아래와 같으며, 연도 열 일부만 표시됩니다.
| 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 |
이 연습은 강의의 일부입니다
pandas를 이용한 데이터 다루기
연습 안내
- 연도별 평균 기온을 계산하여
mean_temp_by_year에 할당하세요. - 평균 기온이 가장 높았던 연도를 기준으로
mean_temp_by_year를 필터링하세요. - 각 도시의 평균 기온을 열 방향으로 계산하여
mean_temp_by_city에 할당하세요. - 평균 기온이 가장 낮았던 도시를 기준으로
mean_temp_by_city를 필터링하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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[____])