Coche para comprar
Lección 19 de 19 del curso Análisis con Pandas de Coddy.
Al usar .sort_values, se devuelve un dataframe donde column_name se convierte en índice:
res = df.sort_values(by='column_name', ascending=True)Un índice es como una dirección; así es como se puede acceder a cualquier punto de datos en el dataframe o serie.
Cuando una columna se convierte en un índice, ya no es posible acceder a ella de la manera que aprendimos:
res["column_name"]Esto no es posible.
Para volver a convertir el índice en una columna normal, escribe: .reset_index:
res = df.sort_values(by='column_name', ascending=True).reset_index()O realízalo en dos pasos:
res = df.sort_values(by='column_name', ascending=True)
res = res.reset_index()
Desafío
IntermedioLos archivos CSV car_raw_stats.csv y car_features.csv contienen información sobre coches en venta.
Aquí están las primeras 5 líneas de car_raw_stats.csv:
car_id,brand,price,popularity,year
1,ram,12584.93337,0.962070375,2008
2,mazda,15123.47674,0.356163012,2012
3,kia,15861.89672,0.110720597,2006
4,renault,12631.39906,0.153823182,2016Aquí están las primeras 5 líneas de car_features.csv:
car_id,sits,has_phone_charger,is_comfortable
1,4,,1
2,4,,1
3,4,1,1
4,2,1,Necesitamos encontrar coches potenciales para comprar.
- Cualquier valor faltante se considera un
0. - Calcula la media de cada marca e investiga solo las
7marcas principales. Filtra todos los coches de estas marcas. - Buscamos un coche económico: precio inferior a
20000pero el año debe ser superior a 2005. - El coche debe tener
4plazas (sits), no necesitamos cargador, pero debe ser cómodo (is_comfortable). - Ordena los coches en orden ascendente por el car id.
Guarda el resultado en df
Pruébalo tú mismo
# pandas como pd ya está importado
df_feat = pd.read_csv("./car_features.csv")
df_stat = pd.read_csv("./car_raw_stats.csv")
# Escribe tu código debajo
Todas las lecciones de Análisis con Pandas
4Análisis de datos con Pandas
Estadística descriptivaAgrupación y agregación de datosDiferentes agregacionesMerge y Concat3Manipulación de datos con Pandas
Retornar el resultado solicitadoFiltrar datosAgregar y eliminarModificar datosModificar cadenasModificaciones personalizadas