קיבוץ נתונים
חלק מהיחידה נתונים ותרשימים במסלול ה-Machine Learning של Coddy. שיעור 43 מתוך 60.
איזו עיר מוכרת יותר? ממוצע אחד של כל השורות לא יכול לענות על כך. חלקו את השורות לערימות, אחת לכל עיר, ואז חשבו את הממוצע של כל ערימה:
שורה אחת עושה את שניהם:
shops = pd.DataFrame({
"city": ["Lyon", "Paris", "Lyon", "Nice", "Paris", "Lyon"],
"sales": [20, 35, 26, 18, 41, 23],
})
means = shops.groupby("city")["sales"].mean()
print(means)הפעולה הזו מדפיסה:
city
Lyon 23.0
Nice 18.0
Paris 38.0
Name: sales, dtype: float64groupby("city") יוצר את הקבוצות, ["sales"] בוחר את העמודה, .mean() מחשב את הממוצע של כל קבוצה. גם .sum(), .min() ו-.max() פועלים.
כדי לדרג את הערימות, מיין אותן: means.sort_values(ascending=False).index[0] היא Paris, הנמכרת ביותר.
אתגר
בינונימועדון ריצה מתעד כל ריצה בקובץ runs.csv: runner, distance_km, minutes ו-climb_m. קוד הפתיחה קורא אחת מעמודות המספרים לתוך column.
- הדפיסו את הממוצע של העמודה הזאת עבור כל רץ.
- לאחר מכן ציינו את הרץ עם הממוצע הגדול ביותר, כמו בשורה האחרונה למטה.
עבור מועדון עם שני רצים ו-distance_km:
runner
Ana 6.1
Bo 8.4
Name: distance_km, dtype: float64
Top runner: Bo with 8.4נסו בעצמכם
import pandas as pd
runs = pd.read_csv("runs.csv")
column = input()
# כתבו את הקוד שלכם למטה
בחנו את עצמכםהשיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.
כל השיעורים ביחידה נתונים ותרשימים
10הצגת נתונים של DataFrame בגרפים
הצגת DataFrame בגרףתרשים פיזור מעמודותצבע אחד לכל קבוצההיסטוגרמה של עמודהסיכום: מכירות בית הקפה5תרשימי קווים ופיזור
תוויות וכותרותתרשימי פיזורכמה קווים ומקראצבעים וסמניםאיורים וציריםסיכום: צעדים שבועיים11מערכי נתונים ללמידת מכונה (ML)
מערכי נתונים מובניםתכונות ותוויותחקירה לפי מחלקההצגת המחלקות בגרףסיכום: מערך הנתונים Wineתרגלו בעצמכם: קומפיילר Python אונליין