Filtrowanie ramek danych pandas
Gdy dane zostaną już wyodrębnione z systemu źródłowego, czas je przekształcić! Dane źródłowe często zawierają więcej informacji, niż jest potrzebne w kolejnych zastosowaniach. W takim przypadku warto ograniczyć ich wymiarowość podczas fazy „transform" w pipeline danych.
pandas został zaimportowany jako pd, a funkcja extract() jest dostępna do wczytania ramki danych ze wskazanej ścieżki.
To ćwiczenie jest częścią kursu
ETL i ELT w Pythonie
Instrukcje do ćwiczenia
- użyj funkcji
extract(), aby wczytać ramkę danych zapisaną pod ścieżką"sales_data.parquet". - zaktualizuj funkcję
transform(), aby zwracała wszystkie wiersze i kolumny, w których"Quantity Ordered"jest większe niż 1. - dodatkowo przefiltruj ramkę danych
clean_data, zostawiając tylko kolumny"Order Date","Quantity Ordered"i"Purchase Address". - zwróć przefiltrowaną ramkę danych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)