Verkoopsgegevens transformeren met pandas

Voordat je inzichten uit een gegevensset kunt halen, moeten kolomtypen soms worden aangepast om de data goed te kunnen gebruiken. Dit komt vooral vaak voor bij temporele datatypen, die op verschillende manieren kunnen zijn opgeslagen.

In dit voorbeeld is pandas geïmporteerd als pd en kun je het direct gebruiken.

Deze oefening maakt deel uit van de cursus

ETL en ELT in Python

Bekijk cursus

Oefeninstructies

Werk de functie transform() bij zodat de data in de kolom "Order Date" wordt omgezet naar het type datetime.
Filter het DataFrame zodat het alleen rijen bevat met "Price Each" lager dan tien dollar.
Print de datatypes van elke kolom in het DataFrame.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

raw_sales_data = extract("sales_data.csv")

def transform(raw_data):
    # Convert the "Order Date" column to type datetime
    raw_data["Order Date"] = pd.____(____, format="%m/%d/%y %H:%M")
    
    # Only keep items under ten dollars
    clean_data = raw_data.loc[____, :]
    return clean_data

clean_sales_data = transform(raw_sales_data)

# Check the data types of each column
print(____)

Code bewerken en uitvoeren