编写迭代器按块加载数据（2）

在上一个练习中，您使用 read_csv() 从大型数据集中按块读取 DataFrame。在本练习中，您将使用更大的 DataFrame 分块大小读取文件，然后处理第一块数据。

在处理数据时，您将创建一个新的 DataFrame，只包含来自特定国家的行。随后，您会将新 DataFrame 中的两个列 'Total Population' 和 'Urban population (% of total)' 进行 zip。最后，您会从该 zip 对象创建一个由元组组成的列表，其中每个元组由上述两个列各取一个值构成。

您将使用当前目录中的 'ind_pop_data.csv' 数据。pandas 已以 pd 导入。

本练习是课程的一部分

Python 工具箱

查看课程

练习说明

使用 pd.read_csv() 以大小为 1000 的分块读取 'ind_pop_data.csv' 文件。将结果赋给 urb_pop_reader。
从可迭代对象 urb_pop_reader 中获取第一个 DataFrame 分块，并将其赋给 df_urb_pop。
仅选择 df_urb_pop 中 'CountryCode' 为 'CEB' 的行。为此，请在 df_urb_pop[____] 的方括号内比较 df_urb_pop['CountryCode'] 是否与 'CEB' 相等。
使用 zip() 将 df_pop_ceb 的 'Total Population' 和 'Urban population (% of total)' 两列打包在一起。将得到的 zip 对象赋给 pops。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Initialize reader object: urb_pop_reader
urb_pop_reader = pd.read_csv(____, ____)

# Get the first DataFrame chunk: df_urb_pop
df_urb_pop = next(____)

# Check out the head of the DataFrame
print(df_urb_pop.head())

# Check out specific country: df_pop_ceb
df_pop_ceb = df_urb_pop[____]

# Zip DataFrame columns of interest: pops
pops = zip(____, ____)

# Turn zip object into list: pops_list
pops_list = list(pops)

# Print pops_list
print(pops_list)

编辑并运行代码