เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแปลงข้อมูลยอดขายด้วย pandas

ก่อนที่จะดึงข้อมูลเชิงลึกจากชุดข้อมูลได้ บางครั้งจำเป็นต้องปรับเปลี่ยนชนิดของคอลัมน์เพื่อให้ใช้ข้อมูลได้อย่างเหมาะสม กรณีนี้พบได้บ่อยกับข้อมูลประเภทเวลา (temporal data) ซึ่งสามารถจัดเก็บได้หลายรูปแบบ

ในตัวอย่างนี้ pandas ถูกนำเข้ามาแล้วในชื่อ pd และพร้อมให้ใช้งาน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ETL and ELT ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • อัปเดตฟังก์ชัน transform() ให้แปลงข้อมูลในคอลัมน์ "Order Date" ให้เป็นชนิด datetime
  • 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(____)
แก้ไขและรันโค้ด