在樞紐分析表上進行計算
樞紐分析表會填入彙總統計，不過這只是找出洞見的第一步。你常常還需要在此基礎上做進一步計算。常見的作法是找出最大值或最小值出現在哪些列或欄。
回想第 1 章的內容，你可以在方括號中使用邏輯條件，輕鬆地對 Series 或 DataFrame 做子集篩選，找出感興趣的列。例如：series[series > value]。
已將 pandas 載入為 pd，且 DataFrame temp_by_country_city_vs_year 可用。
此 DataFrame 的 .head() 如下所示，僅顯示部分年份欄位：
| 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 |
本練習屬於課程
使用 pandas 進行資料操作
練習說明
- 計算每一年的平均氣溫，指派給
mean_temp_by_year。 - 篩選
mean_temp_by_year，找出平均氣溫最高的那一年。 - 計算每個城市（跨欄） 的平均氣溫，指派給
mean_temp_by_city。 - 篩選
mean_temp_by_city，找出平均氣溫最低的那個城市。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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[____])