Filtrera pandas-DataFrames
När data har extraherats från ett källsystem är det dags att transformera den! Källdata innehåller ofta mer information än vad som behövs för de användningsfall den ska användas till längre fram. Om det är fallet bör dimensionaliteten minskas under "transform"-fasen av datapipelinen.
pandas har importerats som pd, och funktionen extract() finns tillgänglig för att läsa in en DataFrame från den angivna sökvägen.
Den här övningen är en del av kursen
ETL och ELT i Python
Övningsinstruktioner
- Använd funktionen
extract()för att läsa in DataFramen som är lagrad på sökvägen"sales_data.parquet". - Uppdatera funktionen
transform()så att den returnerar alla rader och kolumner där"Quantity Ordered"är större än 1. - Filtrera DataFramen
clean_dataytterligare så att den bara innehåller kolumnerna"Order Date","Quantity Ordered"och"Purchase Address". - Returnera den filtrerade DataFramen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Extract data from the sales_data.parquet path
raw_sales_data = ____("sales_data.parquet")
def transform(raw_data):
# Only keep rows with `Quantity Ordered` greater than 1
clean_data = raw_data.____[____, :]
# Only keep columns "Order Date", "Quantity Ordered", and "Purchase Address"
clean_data = ____
# Return the filtered DataFrame
return ____
transform(raw_sales_data)