Проект: Анализ CSV
Время собрать всё вместе. Вы напишете крошечный CSV файл в памяти, прочитаете его обратно с помощью pandas и вычислите сгруппированные агрегаты, как это происходит в начале реального анализа.
pandas читает CSV текст из файла или из буфера в памяти. Мы используем io.StringIO так, чтобы ничего не касалось диска:
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)Оттуда вы уже знаете действия: фильтрация с помощью маски, группировка с groupby(...).agg(...), извлечение одиночного значения из Series с .loc или по индексу метки.
Ваша задача: прочитать данные, а затем создать один results словарь, который их обобщает. Возврат обычного словаря это распространенный и проверяемый способ передать результат анализа остальной части программы (или в отчет, или в промпт для LLM). Мы оцениваем числа в этом словаре, а не любой вывод в консоль.
Что попадает в results
"n_rows": количество строк в таблице"total_salary": сумма всего столбца salary"avg_by_dept": словарь, где каждый dept сопоставлен с его средней зарплатой (создайте его через groupby mean, затем.to_dict())"top_dept": отдел с самой высокой средней зарплатой
Текст CSV дан в csv_text. Прочитайте его в DataFrame df с помощью pd.read_csv(io.StringIO(csv_text)). Затем создайте словарь results с этими ключами: "n_rows" (количество строк), "total_salary" (сумма столбца salary), "avg_by_dept" (словарь отдел к средней зарплате), и "top_dept" (отдел с самой высокой средней зарплатой).
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.