Berekeningen in een draaitabel

Draaitabellen staan vol met samenvattende statistieken, maar dat is vaak slechts de eerste stap naar echte inzichten. Meestal moet je er nog verdere berekeningen op uitvoeren. Een veelvoorkomende stap is zoeken naar de rijen of kolommen met de hoogste of laagste waarde.

Herinner je uit hoofdstuk 1 dat je eenvoudig subsets kunt maken van een Series of DataFrame om interessante rijen te vinden met een logische voorwaarde tussen vierkante haken. Bijvoorbeeld: series[series > value].

pandas is geladen als pd en de DataFrame temp_by_country_city_vs_year is beschikbaar. De .head() van dit DataFrame staat hieronder, met slechts een paar jaarkolommen getoond:

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

Deze oefening maakt deel uit van de cursus

Datamanipulatie met pandas

Cursus bekijken

Oefeninstructies

Bereken de gemiddelde temperatuur voor elk jaar en wijs toe aan mean_temp_by_year.
Filter mean_temp_by_year voor het jaar met de hoogste gemiddelde temperatuur.
Bereken de gemiddelde temperatuur voor elke stad (over de kolommen) en wijs toe aan mean_temp_by_city.
Filter mean_temp_by_city voor de stad met de laagste gemiddelde temperatuur.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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[____])

Code bewerken en uitvoeren