API-svaret och Pandas
I den här övningen laddar du data från ett API-svarsobjekt till en pandas DataFrame. Du tilldelar användarvänliga kolumnnamn och konverterar värdena från strängar till lämpliga datatyper.
När du har skapat DataFramen kör du exempelkoden för att skapa ett punktdiagram som visar sambandet mellan genomsnittlig familjestorlek och medianålder i USA.
requests och pandas (som pd) har redan importerats. Ett svarsobjekt r är inläst.
Den här övningen är en del av kursen
Analys av amerikansk folkräkningsdata i Python
Övningsinstruktioner
- Bygg en lista
col_namesmed 4 nya kolumnnamn:name,median_age,avg_family_sizeochstate - Använd DataFrame-konstruktorn för att skapa DataFramen
states. Dataparametern ska sättas tillr.json(), men använd slicing för att hoppa över det första elementet, som innehåller de gamla kolumnnamnen - Använd metoden
astypepå varje kolumn för att tilldela rätt datatyp.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import seaborn
import seaborn as sns
sns.set()
# Construct the DataFrame
col_names = ____
states = pd.DataFrame(columns = col_names, data = ____)
# Convert each column with numeric data to an appropriate type
states["median_age"] = states["median_age"].____
states["avg_family_size"] = ____
# Scatterplot with regression line
sns.lmplot(x = "avg_family_size", y = "median_age", data = states)
plt.show()