Dostosowywanie DataFrame
W twojej firmie każde dane muszą być opatrzone znacznikiem czasu wskazującym moment ich utworzenia – po to, aby mieć pewność, że nie korzysta się z nieaktualnych informacji. Chcesz używać DataFrame'ów z biblioteki pandas do przetwarzania danych, ale potrzebujesz dostosować tę klasę tak, aby obsługiwała znaczniki czasu.
W tym ćwiczeniu zaimplementujesz niewielką klasę LoggedDF, która dziedziczy po standardowym DataFrame'ie z pandas, ale posiada atrybut created_at przechowujący znacznik czasu. Następnie rozszerzysz standardową metodę to_csv() tak, aby zawsze dodawała kolumnę z datą utworzenia.
Wskazówka: metody DataFrame'a mają wiele parametrów i kopiowanie ich wszystkich dla każdej dostosowanej metody byłoby niepraktyczne. Rozwiązaniem jest użycie argumentów o zmiennej długości *args i **kwargs, które przechwytują wszystkie parametry.
To ćwiczenie jest częścią kursu
Programowanie obiektowe w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import pandas as pd
____
# Define LoggedDF inherited from pd.DataFrame and add the constructor
____
ldf = LoggedDF({"col1": [1,2], "col2": [3,4]})
print(ldf.values)
print(ldf.created_at)