Gegevens groeperen met pandas

De output van een datapijplijn is meestal een 'gemodelleerde' gegevensset. Deze gegevensset geeft datagebruikers gemakkelijk toegang tot informatie, zonder veel bewerkingen te hoeven uitvoeren. Gegevens groeperen met pandas helpt bij het bouwen van zulke gemodelleerde gegevenssets,

pandas is geïmporteerd als pd, en het DataFrame raw_testing_scores bevat gegevens in de volgende vorm:

              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

Deze oefening maakt deel uit van de cursus

ETL en ELT in Python

Bekijk cursus

Oefeninstructies

Gebruik .loc[] om alleen de kolommen "city", "math_score", "reading_score" en "writing_score" te behouden.
Groepeer het DataFrame op de kolom "city", en bereken het gemiddelde van elke stad voor de math-, reading- en writing-scores.
Gebruik de functie transform() om een gegroepeerd DataFrame te maken.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

def transform(raw_data):
	# Use .loc[] to only return the needed columns
	raw_data = raw_data.____[:, ____]
	
    # Group the data by city, return the grouped DataFrame
	grouped_data = raw_data.____(by=["____"], axis=0).____()
	return grouped_data

# Transform the data, print the head of the DataFrame
grouped_testing_scores = ____(raw_testing_scores)
print(grouped_testing_scores.head())

Code bewerken en uitvoeren