De output van een datapijplijn is meestal een ‘gemodelleerde’ gegevensset. Deze gegevensset geeft datagebruikers eenvoudig toegang tot informatie, zonder dat ze veel hoeven te bewerken. Gegevens groeperen met pandas helpt bij het opbouwen van 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

Niet-tabulaire data transformeren

Create Your Free Account