Tworzenie iteratora do wczytywania danych we fragmentach (2)

W poprzednim ćwiczeniu użyto read_csv() do wczytywania fragmentów DataFrame z dużego zbioru danych. W tym ćwiczeniu wczytasz plik, używając większego rozmiaru fragmentu, a następnie przetworysz dane z pierwszego fragmentu.

Podczas przetwarzania danych utworzysz nowy DataFrame zawierający tylko wiersze dotyczące wybranego kraju. Następnie połączysz ze sobą dwie kolumny nowego DataFrame – 'Total Population' i 'Urban population (% of total)' – za pomocą funkcji zip(). Na koniec utworzysz listę krotek z obiektu zip, gdzie każda krotka zawiera wartości z obu wspomnianych kolumn.

Dane pochodzą z pliku 'ind_pop_data.csv', dostępnego w bieżącym katalogu. Biblioteka pandas została zaimportowana jako pd.

To ćwiczenie jest częścią kursu

Zestaw narzędzi Pythona

Zobacz kurs

Instrukcje do ćwiczenia

Użyj pd.read_csv(), aby wczytać plik 'ind_pop_data.csv' we fragmentach po 1000 wierszy. Wynik przypisz do zmiennej urb_pop_reader.
Pobierz pierwszy fragment DataFrame z iteratora urb_pop_reader i przypisz go do df_urb_pop.
Wybierz tylko te wiersze z df_urb_pop, dla których 'CountryCode' ma wartość 'CEB'. W tym celu sprawdź, czy df_urb_pop['CountryCode'] jest równy 'CEB' wewnątrz nawiasów kwadratowych w df_urb_pop[____].
Za pomocą zip() połącz kolumny 'Total Population' i 'Urban population (% of total)' z df_pop_ceb. Wynikowy obiekt zip przypisz do zmiennej pops.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Initialize reader object: urb_pop_reader
urb_pop_reader = pd.read_csv(____, ____)

# Get the first DataFrame chunk: df_urb_pop
df_urb_pop = next(____)

# Check out the head of the DataFrame
print(df_urb_pop.head())

# Check out specific country: df_pop_ceb
df_pop_ceb = df_urb_pop[____]

# Zip DataFrame columns of interest: pops
pops = zip(____, ____)

# Turn zip object into list: pops_list
pops_list = list(pops)

# Print pops_list
print(pops_list)

Edytuj i uruchom kod