Obliczenia na tabeli przestawnej
Tabele przestawne są pełne statystyk podsumowujących, ale to dopiero punkt wyjścia do znalezienia czegoś naprawdę interesującego. Często trzeba wykonać na nich dodatkowe obliczenia. Jedną z typowych operacji jest znalezienie wierszy lub kolumn, w których występuje największa lub najmniejsza wartość.
Przypomnij sobie z rozdziału 1, że możesz łatwo filtrować Series lub DataFrame, aby znaleźć interesujące wiersze, używając warunku logicznego w nawiasach kwadratowych. Na przykład: series[series > value].
pandas jest załadowany jako pd, a DataFrame temp_by_country_city_vs_year jest dostępny.
Poniżej znajduje się .head() tego DataFrame – wyświetlono tylko kilka kolumn z latami:
| 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 |
To ćwiczenie jest częścią kursu
Manipulacja danymi z pandas
Instrukcje do ćwiczenia
- Oblicz średnią temperaturę dla każdego roku i przypisz wynik do
mean_temp_by_year. - Przefiltruj
mean_temp_by_year, aby wybrać rok z najwyższą średnią temperaturą. - Oblicz średnią temperaturę dla każdego miasta (po kolumnach) i przypisz wynik do
mean_temp_by_city. - Przefiltruj
mean_temp_by_city, aby wybrać miasto z najniższą średnią temperaturą.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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[____])