Трансформация данных о продажах с помощью pandas

Прежде чем извлекать из набора данных полезную информацию, может понадобиться изменить типы столбцов, чтобы правильно работать с данными. Это особенно часто встречается с временными данными, которые могут храниться в разных форматах.

В этом примере pandas уже импортирован как pd и готов к использованию.

Это упражнение является частью курса

ETL и ELT в Python

Посмотреть курс

Инструкции к упражнению

Измените функцию transform() так, чтобы она преобразовывала данные в столбце "Order Date" в тип datetime.
Отфильтруйте DataFrame так, чтобы остались только строки, где значение "Price Each" меньше десяти долларов.
Выведите типы данных каждого столбца DataFrame.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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(____)

Редактировать и запускать код