Hantera djupt nästlad data
I förra övningen plattade du ut data nästlad ett nivå djupt. Här ska du packa upp mer djupt nästlad data.
Attributet categories i Yelp API-svaret innehåller listor med objekt. För att platta ut dessa data använder du argument i json_normalize() för att ange sökvägen till categories och välja vilka andra attribut som ska ingå i dataframen. Du bör också ändra separatorn för att underlätta kolumnval och lägga till ett prefix för de övriga attributen för att undvika kollisioner i kolumnnamn. Vi arbetar igenom detta steg för steg.
pandas (som pd) och json_normalize() har importerats. JSON-formaterad Yelp-data om caféer i NYC finns lagrad som data.
Den här övningen är en del av kursen
Effektiv datainläsning med pandas
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Flatten businesses records and set underscore separators
flat_cafes = ____(data["businesses"],
____)
# View the data
print(flat_cafes.head())