प्रोजेक्ट: एक CSV का विश्लेषण
सब कुछ मिलाने का समय। आप मेमोरी में एक छोटी CSV फ़ाइल लिखेंगे, उसे pandas से वापस पढ़ेंगे, और समूह वाले aggregate निकालेंगे, जैसे एक असली विश्लेषण शुरू होता है।
pandas CSV टेक्स्ट किसी फ़ाइल से या मेमोरी के buffer से पढ़ता है। हम io.StringIO इस्तेमाल करते हैं ताकि कुछ भी डिस्क को न छुए:
import io
import pandas as pd
csv_text = "name,dept,salary\nAda,eng,100\nBo,eng,140\n"
df = pd.read_csv(io.StringIO(csv_text))
print(df)यहाँ से आप चालें पहले से जानते हैं: mask से छाँटें, groupby(...).agg(...) से समूह बनाएँ, .loc से या label से index करके Series से एक अकेला मान निकालें।
आपका काम: डेटा पढ़ें, फिर उसका सार बताने वाली एक अकेली results dict बनाएँ। एक सादी dict लौटाना विश्लेषण के नतीजे को प्रोग्राम के बाक़ी हिस्से (या किसी रिपोर्ट, या किसी LLM prompt) को देने का एक आम, टेस्ट करने लायक तरीका है। हम उस dict की संख्याएँ ग्रेड करते हैं, कोई printout नहीं।
results में क्या जाता है
"n_rows": तालिका में पंक्तियों की संख्या"total_salary": पूरे salary कॉलम का योग"avg_by_dept": हर dept को उसकी औसत salary से जोड़ने वाली dict (groupby mean से बनाएँ, फिर.to_dict())"top_dept": सबसे ऊँची औसत salary वाला dept
CSV टेक्स्ट csv_text में दिया गया है। इसे pd.read_csv(io.StringIO(csv_text)) से DataFrame df में पढ़ें। फिर इन कुंजियों वाली results नाम की dict बनाएँ: "n_rows" (पंक्तियों की गिनती), "total_salary" (salary कॉलम का योग), "avg_by_dept" (dept से औसत salary की dict), और "top_dept" (वह dept जिसकी औसत salary सबसे ऊँची है)।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।