Menu
CoddyTech

Neue Spalten

Teil des Abschnitts Daten und Diagramme der Machine Learning-Journey von Coddy. Lektion 40 von 60.

In einer Tabelle fehlt oft die Zahl, die du brauchst: Sie enthält Entfernung und Zeit, aber keine Geschwindigkeit. Spaltenberechnungen funktionieren zeilenweise wie Array-Berechnungen, ganz ohne Schleife:

Die Tabelle rides als Raster mit den Spalten rider, km und hours sowie einer neu hervorgehobenen Spalte speed rechts, die 21.0, 20.0 und 22.0 enthält; jede Zeile wurde berechnet, indem km durch hours geteilt wurde

rides = pd.DataFrame({
    "rider": ["Ana", "Ben", "Cleo"],
    "km": [42, 30, 66],
    "hours": [2, 1.5, 3],
})
rides["speed"] = rides["km"] / rides["hours"]
print(rides)

Durch die Zuweisung an einen neuen Namen wird die Spalte rechts hinzugefügt:

  rider  km  hours  speed
0   Ana  42    2.0   21.0
1   Ben  30    1.5   20.0
2  Cleo  66    3.0   22.0

Eine Zahl funktioniert auch: rides["hours"] * 60 ergibt Minuten. Wenn du einem bereits vorhandenen Namen einen Wert zuweist, wird diese Spalte ersetzt.

Ein Modell lernt oft mehr aus einem Verhältnis wie der Geschwindigkeit als aus den beiden Rohzahlen, aus denen es berechnet wurde.

challenge icon

Aufgabe

Mittel

Ein Schreibwarenladen führt seinen Lagerbestand in stock.csv, das in stock geladen wird, mit den Spalten product, price (pro Artikel) und quantity (Artikel im Regal).

  1. Füge eine Spalte value hinzu: der Preis jedes Produkts multipliziert mit seiner Menge.
  2. Gib stock aus.
  3. Gib den Gesamtwert des Regals wie unten aus.

Für einen Laden mit zwei Produkten:

  product  price  quantity  value
0    tape    1.5        10   15.0
1    clip    0.5        30   15.0
Total value: 30.0

Probier es selbst

import pandas as pd

stock = pd.read_csv("stock.csv")

# Schreibe deinen Code unten
quiz iconTeste dich selbst

Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.

Alle Lektionen in Daten und Diagramme

Übe selbstständig: Online-Python-Compiler