Progetto: analizza un CSV
È il momento di mettere tutto insieme. Scriverai un piccolo file CSV in memoria, lo rileggerai con pandas, e calcolerai aggregati per gruppo, come comincia una vera analisi.
pandas legge testo CSV da un file o da un buffer in memoria. Usiamo io.StringIO così niente tocca il disco:
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)Da lì le mosse le conosci già: filtra con una maschera, raggruppa con groupby(...).agg(...), estrai un singolo valore da una Series con .loc o indicizzando la sua etichetta.
Il tuo compito: leggere i dati, poi costruire un unico dict results che li riassume. Restituire un semplice dict è un modo comune e verificabile di passare il risultato di un'analisi al resto di un programma (o a un report, o al prompt di un LLM). Correggiamo i numeri in quel dict, non quello che stampi.
Che cosa va in results
"n_rows": il numero di righe della tabella"total_salary": la somma di tutta la colonna salary"avg_by_dept": un dict che associa a ogni dept il suo stipendio medio (costruiscilo da una media con groupby, poi.to_dict())"top_dept": il dept con lo stipendio medio più alto
Il testo CSV è fornito in csv_text. Leggilo in un DataFrame df con pd.read_csv(io.StringIO(csv_text)). Poi costruisci un dict chiamato results con queste chiavi: "n_rows" (numero di righe), "total_salary" (somma della colonna salary), "avg_by_dept" (un dict da dept a stipendio medio), e "top_dept" (il dept il cui stipendio medio è il più alto).
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.