Pivot tabloda hesaplama
Pivot tablolar özet istatistiklerle doldurulur ancak bunlar anlamlı bilgiler bulmak için sadece ilk adımdır. Çoğu zaman bunlar üzerinde daha fazla hesaplama yapmanız gerekecektir. Yaygın olarak yapılan bir işlem, en yüksek veya en düşük değerin bulunduğu satırları veya sütunları bulmaktır.
- Bölümden hatırlayacağınız gibi, köşeli ayraç içindeki mantıksal koşulları kullanarak bir Seri veya DataFrame'in alt kümesini kolayca oluşturarak ilgilendiğiniz satırları bulabilirsiniz. Örnek:
series[series > value].
pandas pd olarak yüklenmiştir ve temp_by_country_city_vs_year DataFrame’i kullanılabilir durumdadır.
Bu DataFrame için .head(), sadece birkaç yıl sütunu gösterilerek aşağıda verilmiştir:
| country | city | 2000 | 2001 | 2002 | … | 2013 |
|---|---|---|---|---|---|---|
| Afghanistan | Kabul | 15.823 | 15.848 | 15.715 | … | 16.206 |
| Angola | Luanda | 24.410 | 24.427 | 24.791 | … | 24.554 |
| Australia | Melbourne | 14.320 | 14.180 | 14.076 | … | 14.742 |
| Sydney | 17.567 | 17.854 | 17.734 | … | 18.090 | |
| Bangladesh | span translate="no">Dhaka | 25.905 | 25.931 | 26.095 | … | 26.587 |
Bu egzersiz
pandas ile Veri İşleme
kursunun bir parçasıdırEgzersiz talimatları
- Her yıl için ortalama sıcaklığı hesaplayın ve sonuçları
mean_temp_by_yearsütununa atayın. mean_temp_by_yearsütununu, ortalama sıcaklığın en yüksek olduğu yıl ile filtreleyin.- Her şehir için (sütunlar arasında) ortalama sıcaklığı hesaplayın ve sonuçları
mean_temp_by_citysütununa atayın. mean_temp_by_citysütununu, ortalama sıcaklığın en düşük olduğu şehir ile filtreleyin.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Get the worldwide mean temp by year
mean_temp_by_year = temp_by_country_city_vs_year.____
# Filter for the year that had the highest mean temp
print(mean_temp_by_year[____])
# Get the mean temp by city
mean_temp_by_city = temp_by_country_city_vs_year.____
# Filter for the city that had the lowest mean temp
print(mean_temp_by_city[____])