Transformando dados de vendas com pandas

Antes de extrair insights de um conjunto de dados, talvez seja preciso ajustar os tipos de coluna para aproveitar melhor os dados. Isso é especialmente comum com tipos temporais, que podem ser armazenados de várias formas.

Neste exemplo, o pandas foi importado como pd e está pronto para você usar.

Este exercicio faz parte do curso

ETL e ELT em Python

Ver curso

Instruções do exercicio

Atualize a função transform() para converter os dados da coluna "Order Date" para o tipo datetime.
Filtre o DataFrame para conter apenas as linhas com "Price Each" menor que dez dólares.
Imprima os tipos de dados de cada coluna do DataFrame.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

raw_sales_data = extract("sales_data.csv")

def transform(raw_data):
    # Convert the "Order Date" column to type datetime
    raw_data["Order Date"] = pd.____(____, format="%m/%d/%y %H:%M")
    
    # Only keep items under ten dollars
    clean_data = raw_data.loc[____, :]
    return clean_data

clean_sales_data = transform(raw_sales_data)

# Check the data types of each column
print(____)

Editar e Executar Código