การแปลงข้อมูลยอดขายด้วย pandas

ก่อนที่จะดึงข้อมูลเชิงลึกจากชุดข้อมูลได้ บางครั้งจำเป็นต้องปรับชนิดของคอลัมน์ให้เหมาะสมเสียก่อน โดยเฉพาะอย่างยิ่งกับข้อมูลประเภทวันที่และเวลา ซึ่งอาจถูกจัดเก็บในรูปแบบที่แตกต่างกันได้หลายแบบ

ในแบบฝึกหัดนี้ ได้ import pandas ในชื่อ pd ไว้ให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ETL และ ELT ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

อัปเดตฟังก์ชัน transform() เพื่อแปลงข้อมูลในคอลัมน์ "Order Date" ให้เป็นชนิด datetime
กรอง DataFrame ให้เหลือเฉพาะแถวที่มีค่า "Price Each" น้อยกว่าสิบดอลลาร์
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