Samochody na mieszkańca (2)

Pamiętasz np.logical_and(), np.logical_or() i np.logical_not() – odpowiedniki operatorów and, or i not w NumPy? Możesz ich używać również na seriach (Series) w Pandas, aby wykonywać bardziej zaawansowane operacje filtrowania.

Spójrz na poniższy przykład, który wybiera obserwacje, w których cars_per_cap wynosi od 10 do 80. Przetestuj ten kod krok po kroku, żeby zobaczyć, jak działa.

cpc = cars['cars_per_cap']
between = np.logical_and(cpc > 10, cpc < 80)
medium = cars[between]

To ćwiczenie jest częścią kursu

Python średnio zaawansowany

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając z podanego przykładu kodu, utwórz DataFrame medium zawierający wszystkie obserwacje z cars, w których cars_per_cap wynosi od 100 do 500.
Wyświetl medium.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import cars data
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Import numpy, you'll need this
import numpy as np

# Create medium: observations with cars_per_cap between 100 and 500




# Print medium

Edytuj i uruchom kod