Transformera försäljningsdata med pandas

Innan insikter kan utvinnas ur en datamängd kan kolumntyper behöva ändras för att data ska kunna utnyttjas på rätt sätt. Detta är särskilt vanligt för tidsrelaterade datatyper, som kan lagras på flera olika sätt.

I det här exemplet har pandas importerats som pd och är redo för dig att använda.

Den här övningen är en del av kursen

ETL och ELT i Python

Visa kurs

Övningsinstruktioner

Uppdatera funktionen transform() så att data i kolumnen "Order Date" konverteras till typen datetime.
Filtrera DataFrame så att den endast innehåller rader där "Price Each" är mindre än tio dollar.
Skriv ut datatyperna för varje kolumn i DataFrame.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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(____)

Redigera och kör kod