Voiture à acheter
Leçon 19 sur 19 du cours Analyse de données avec Pandas de Coddy.
Lors de l'utilisation de .sort_values, cela renvoie un dataframe où column_name est converti en index :
res = df.sort_values(by='column_name', ascending=True)Un index est comme une adresse ; c'est ainsi que n'importe quel point de données dans le dataframe ou la série peut être accédé.
Lorsqu'une colonne est convertie en index, il n'est plus possible d'y accéder de la manière que nous avons apprise :
res["column_name"]Ce n'est pas possible.
Pour convertir l'index à nouveau en une colonne normale, écrivez : .reset_index :
res = df.sort_values(by='column_name', ascending=True).reset_index()Ou faites-le en deux étapes :
res = df.sort_values(by='column_name', ascending=True)
res = res.reset_index()
Défi
MoyenLes fichiers CSV car_raw_stats.csv et car_features.csv contiennent des informations sur des voitures à vendre.
Voici les 5 premières lignes 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,12631.39906,0.153823182,2016Voici les 5 premières lignes 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,Nous devons trouver des voitures potentielles à acheter.
- Toute valeur manquante est considérée comme un
0. - Calculez la moyenne de chaque marque et examinez uniquement les
7meilleures marques. Filtrez toutes les voitures de ces marques. - Nous recherchons une voiture économique - un prix inférieur à
20000mais l'année doit être supérieure à 2005. - La voiture doit avoir
4places (sits), nous n'avons pas besoin de chargeur, mais elle doit être confortable. - Triez les voitures par ordre croissant selon l'identifiant de la voiture (car id).
Enregistrez le résultat dans df
Essayez vous-même
# pandas as pd est déjà importé
df_feat = pd.read_csv("./car_features.csv")
df_stat = pd.read_csv("./car_raw_stats.csv")
# Écrivez votre code ci-dessous
Toutes les leçons de Analyse de données avec Pandas
1Introduction
Pourquoi utiliser Pandas ?Structures de données dans PandasChargement de données dans un DataFrame4Analyse de données avec Pandas
Statistiques descriptivesGroupement et agrégation de donnéesDifférentes agrégationsFusion et concaténation