兩個年份間的絕對差
作為另一個變數，你可能想加入 2017 年與前一年（2016 年）捐款次數的「絕對差」。
要把這個變數加入 basetable，我們已為你建立兩個 pandas 資料框 gifts_2016 與 gifts_2017，分別包含 2016 與 2017 年的捐款紀錄。
回顧一下，你可以在 pandas 資料框 df 中，針對欄位 id 的每個值計算出現次數，方法是使用 groupby 函式：
df_grouped = df.groupby("id")["value"].count().reset_index()
另外，你也可以使用以下程式碼，將兩個資料框 df1 與 df2 以 merge_id 進行左連接（left join）：
merged_df = pd.merge(df1, df2, on=["merge_id"], how="left")
本練習屬於課程
Python 中級預測分析
練習說明
- 針對
gifts_2016中的每位捐款人，計算其在 2016 年的捐款次數。 - 針對
gifts_2017中的每位捐款人，計算其在 2017 年的捐款次數。 - 將 2016 與 2017 年的捐款次數加入 basetable。
- 在 basetable 中計算 2017 年與 2016 年捐款次數的差。
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。
# Number of gifts in 2016 and 2017 for each donor
gifts_2016_bydonor = gifts_2016.____("____").____().reset_index()
gifts_2016_bydonor.columns = ["donor_ID", "donations_2016"]
gifts_2017_bydonor = gifts_2017.____("____").____().reset_index()
gifts_2017_bydonor.columns = ["donor_ID", "donations_2017"]
# Add number of gifts in 2016 and 2017 to the basetable
basetable = pd.merge(____, ____, on="donor_ID", how="____")
basetable = pd.merge(____, ____, on="donor_ID", how="____")
# Calculate the number of gifts in 2017 minus number of gifts in 2016
basetable.fillna(0)
basetable["gifts_2017_min_2016"] = ____["____"] - ____["____"]
print(basetable.head())