使用 pandas 分組資料
資料管線的輸出通常是「建模後」的資料集。這類資料集能讓資料使用者更容易取得資訊，而不必再做太多處理。用 pandas 進行分組有助於建立這種建模後的資料集。
已將 pandas 載入為 pd，而 raw_testing_scores DataFrame 的資料形式如下：
street_address city math_score reading_score writing_score
01M539 111 Columbia Street Manhattan 657.0 601.0 601.0
02M294 350 Grand Street Manhattan 395.0 411.0 387.0
02M308 350 Grand Street Manhattan 418.0 428.0 415.0
本練習屬於課程
使用 Python 的 ETL 與 ELT
練習說明
- 使用
.loc[]只保留"city"、"math_score"、"reading_score"、"writing_score"這些欄位。 - 依
"city"欄位對 DataFrame 分組，並計算各城市的數學、閱讀、寫作成績的平均值。 - 使用
transform()函式建立分組後的 DataFrame。
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。
def transform(raw_data):
# Use .loc[] to only return the needed columns
raw_data = raw_data.____[:, ____]
# Group the data by city, return the grouped DataFrame
grouped_data = raw_data.____(by=["____"], axis=0).____()
return grouped_data
# Transform the data, print the head of the DataFrame
grouped_testing_scores = ____(raw_testing_scores)
print(grouped_testing_scores.head())