การแปลงข้อมูลยอดขายด้วย pandas
ก่อนที่จะดึงข้อมูลเชิงลึกจากชุดข้อมูลได้ บางครั้งจำเป็นต้องปรับเปลี่ยนชนิดของคอลัมน์เพื่อให้ใช้ข้อมูลได้อย่างเหมาะสม กรณีนี้พบได้บ่อยกับข้อมูลประเภทเวลา (temporal data) ซึ่งสามารถจัดเก็บได้หลายรูปแบบ
ในตัวอย่างนี้ pandas ถูกนำเข้ามาแล้วในชื่อ pd และพร้อมให้ใช้งาน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ETL and ELT ใน Python
คำแนะนำการฝึกหัด
- อัปเดตฟังก์ชัน
transform()ให้แปลงข้อมูลในคอลัมน์"Order Date"ให้เป็นชนิดdatetime - กรอง DataFrame ให้เหลือเฉพาะแถวที่
"Price Each"น้อยกว่า 10 ดอลลาร์ - แสดงชนิดข้อมูลของแต่ละคอลัมน์ใน DataFrame
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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(____)