Šestý týden

[zopletalova]

Ahoj Andy, @andywaltlova

odevzdala jsem úkoly za šestý týden. Zjistila jsem, že asi neumím elegantně vyřešit situaci, kdy mám udělat groupby a pak tam v rámci těch skupin vypočítat více hodnot - tedy dát tam více sloupců. Když tam bylo ještě sum u dvou sloupců, tak jsem to nadrzo udělala takto - i když mě varovala nějaká hláška (nakopírovaná v program28): subregiony = staty_gdp.groupby(["subregion"])["population", "gdp2019"].sum()

U dalšího programu už se chtělo minimum a maximum, tak jsem si udělala pro každý případ tabulku zvlášť a pak je spojila přes union, aby tam byl sloupeček jak s minimem, tak s maximem. Výsledek vypadá profesionálně, ale skoro bych čekala, že existuje nějaký lepší postup :-)

Děkuji a měj se zatím fajn! :-) Zuzka

[andywaltlova]

26 ✔️

• Parada :) A ano obcas je pandas chytrej, i funkce ktere pocitaji s cisly pocita jen na ciselnych sloupcich napriklad :)

  27 ✔️

• Taky pekne, myslim ze v nasem pripade je i jedno v jakem poradi v doplnku ten groupby udelas, ale super ze si zkusila oba 👍

  28 ✔️

• Zakladni cas je super, k doplnku ti dam jen par poznamek :)
• Pri dropovni NaN hodnot pozor jen na to, ze u vetsich datasetu muze byt nebezpecne/nechtene dropnout hned vsechny zaznamy kde je v jakemkoli ze sloupcu NaN, da se proto v metode drop specifikovat ve kterych sloupcich NaN nechces -> gdp.dropna(subset=['2017','2018','2019'])
• U mergnuti s jinak pojmenovanymi sloupci sis poradila pekne s rename, tak jen dodam, ze i s timto si samotny merge umi poradit->

  # Da se specifikovat jak se na kazde strane joinu jmenuje dany sloupec, po mergi pak zustanou v tabulce oba, proto drop
  staty = pd.merge(staty,gdp,how='left',left_on='alpha3Code', right_on='Country Code')
  staty = staty.drop(columns=['Country Name','Country Code'])

• a ohledne toho warningu, znamena to ze v nejblizsi budoucnosti (v nove verzi pandasu) uz nebude mozne ten DataFrameGroupBy objekt(to vraci groupby-precetla jsem si v dokumentaci) indexovat timto zpusobem. Je to podobne jako klasicky dataframe, kdyz z nej chces dostat vice sloupcu davas je do indexovani taky jako list (df[[column1,column2]]), to znamena ze obalenim sloupcu do listu warning zmizi -> subregiony = staty_gdp.groupby(["subregion"])[["population", "gdp2019"]].sum()

  29 ✔️

• S min a max sis poradila, to je nejdulezitejsi, ale spravne tusis, ze existuje zpusob jak to udelat jednoduseji :)
  • Je to metoda agg, v nasem pripade by pouziti vypadalo napriklad takto -> teploty.groupby('Region').agg([min,max]).AvgTemperature (pouzivam moje nazvy promenych)

    30 ✔️

• Taky moc pekne :)
• Ja jsem s pro prehlednost udelala rovnou funkci get_fill(subject), ktera vraci na zaklade jmena predmetu barvu vyplne, abych trosku oddelila ty ify (ale ty tam mas jen jeden takze to neni moc dlouhe)

---

Kod mas moc pekny, mam radost, ze nad tim i premyslis mimo ramec zadani. Jen tak dal ! 👍

Tyden 6 tedy taky uzaviram, kdyby jsi se k tomu chtela neco zeptat, tak klidne pridej dalsi komentar :)

[zopletalova]

Ahoj Andy, díky moc! vše chápu, napadá mě jenom jedna otázka - jestli se dá nějak funkce isnull aplikovat na všechny sloupce - tedy vypiš mi řádky, které mají nulovou hodnotu v kterémkoliv sloupci. Já jsem to "v kterémkoliv sloupci" zkoušela zapsat různými způsoby, ale nějak my to python nechtěl vzít (zápisy jako [:]). Teda samozřejmě kromě varianty, že vyloženě všechny sloupce vyjmenuješ. Díky a zatím! Z.

[andywaltlova]

Ahoj! 👋

vetsina metod se v pandasu da volat na Series (sloupce) i na celem DataFrame (tabulka) :-)

Takze muzes udelat klidne neco ve smyslu staty[staty.isnull().any(axis=1)], kde staty.isnull() vlastne vraci DataFrame kde jsou jen True a False hodnoty (True pokud je hodnota NaN). No a pak to pouzijes jako klasicky filtr, akorat musis vyuzit nejakou metodu ktera pandasu rekne ktere hodnoty chces ponechat (u filtrovani podle jednotlivych sloupcu jsme pouzivali operatory ==,<,> apod. , ale tady jedes pres cele radky/sloupce, proto musis uzpusobit i ten filtr).

Tady konkretne mam any, ktera vraci True pokud v radku (nebo sloupci) je alespon jeden True (vlastne takovy or na hodnotach v radku/sloupci). Opakem a ekvivalentem and by byla metoda all. A axis=1 znaci akorat ze chces vlastne redukovat sloupce (to znamena podivat se na cely radek a rict jestli je True nebo False, zredukujes sloupce na jednu hodnotu -> je to trosku neintuitivni, ale po zamysleni to dava smysl), uplne stejny zapis by byl axis='columns', ale to uz muzes najit v dokumentaci :)

Jinak any() a all() existuji i v cistem Pythone jako obycejne funkce a chovaji se stejne.

Snad to pomuze! ☺️