pandas-DataFrames filteren

Zodra data uit een bronsysteem is gehaald, is het tijd om te transformeren! Vaak bevat brondata meer informatie dan nodig is voor downstream-usecases. In dat geval moet je de dimensionaliteit verkleinen tijdens de "transform"-fase van de datapijplijn.

pandas is geïmporteerd als pd, en de functie extract() is beschikbaar om een DataFrame te laden vanaf het pad dat je doorgeeft.

Deze oefening maakt deel uit van de cursus

ETL en ELT in Python

Bekijk cursus

Oefeninstructies

Gebruik de functie extract() om het DataFrame te laden dat is opgeslagen op het pad "sales_data.parquet".
Pas de functie transform() aan zodat alle rijen en kolommen worden geretourneerd met "Quantity Ordered" groter dan 1.
Filter het clean_data-DataFrame verder zodat alleen de kolommen "Order Date", "Quantity Ordered" en "Purchase Address" overblijven.
Retourneer het gefilterde DataFrame.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Extract data from the sales_data.parquet path
raw_sales_data = ____("sales_data.parquet")

def transform(raw_data):
  	# Only keep rows with `Quantity Ordered` greater than 1
    clean_data = raw_data.____[____, :]
    
    # Only keep columns "Order Date", "Quantity Ordered", and "Purchase Address"
    clean_data = ____
    
    # Return the filtered DataFrame
    return ____
    
transform(raw_sales_data)

Code bewerken en uitvoeren