プロジェクト:データセットを調査する
pandas を学びました。今度は分析者がするように使いましょう:表を渡され、それに質問し、答えをグラフにするのです。初期コードが現実的な 90 日分の支出の記録(列 date, category, amount, merchant)を作ってくれます。random.seed(0) で生成されるので、誰もがまったく同じ数を得て、答えを確かめられます。
あなたの仕事は分析です。関数を 3 つ書き、それからグラフを 1 つ描きます。
monthly_totals(df)->{"2026-01": 3499.72, ...}のような辞書:暦月ごとの支出の合計を小数点以下 2 桁に丸めたもの。pd.to_datetime(df["date"]).dt.strftime("%Y-%m")で日付から月のキーを作り、それからdf.groupby(that)["amount"].sum()と.round(2).to_dict()です。top_merchants(df, n)-> いちばん多くお金を使った n 店を、多い順に、名前のリストで。merchantでグループ化し、amountを合計し、降順に並べ、上位 n 個のインデックスのラベルを取ります。weekend_vs_weekday_avg(df)->{"weekend": ..., "weekday": ...}:土日の取引の平均と、それ以外の曜日の平均。.dt.dayofweekで曜日を得て(土曜日は 5、日曜日は 6)、それぞれのグループを平均します。
それから月ごとの合計の棒グラフを作ります:
fig, ax = plt.subplots()
ax.bar(list(totals.keys()), list(totals.values()))
ax.set_title("Spending by month")plt.show() は呼ばないでください - 砂場が figure を描画してくれます。実行を押して調査結果を出力し、グラフが現れる様子を見てください。データの seed が固定されているので、いちばん忙しい月といちばんの店は誰にとっても同じで、だからこそ採点プログラムがあなたの仕事を確かめられるのです。
初期コードが作る、seed を固定した 90 行の支出の df を使って、monthly_totals(df)(小数点以下 2 桁に丸めた {"YYYY-MM": total} の辞書)、top_merchants(df, n)(支出の多い n 店を多い順に)、そして weekend_vs_weekday_avg(df)(土日とそれ以外の平均額の {"weekend", "weekday"})を書いてください。それから fig, ax = plt.subplots() と ax.bar(...) で月ごとの合計の棒グラフを作ります(plt.show() はなし)。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。