(Pandas + SQL) ΠžΠ±Π·ΠΎΡ€ Python-Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠΈ PandaSQL

Pandas ΡƒΠΆΠ΅ Π΄Π°Π²Π½ΠΎ являСтся Π½Π΅ΠΎΡ‚ΡŠΠ΅ΠΌΠ»Π΅ΠΌΡ‹ΠΌ инструмСнтом Π² арсСналС любого спСциалиста, Ρ€Π°Π±ΠΎΡ‚Π°ΡŽΡ‰Π΅Π³ΠΎ с Π΄Π°Π½Π½Ρ‹ΠΌΠΈ Π½Π° языкС Python. Π ΠΎΠ²Π½ΠΎ Ρ‚Π°ΠΊΠΆΠ΅ Π½Π΅ΠΎΡ‚ΡŠΠ΅ΠΌΠ»Π΅ΠΌΡ‹ΠΌ Π½Π°Π²Ρ‹ΠΊΠΎΠΌ являСтся Π·Π½Π°Π½ΠΈΠ΅ языка SQL, ΠΏΡ€Π΅Π΄Π½Π°Π·Π½Π°Ρ‡Π΅Π½Π½ΠΎΠ³ΠΎ для извлСчСния, хранСния ΠΈ ΠΌΠΎΠ΄ΠΈΡ„ΠΈΠΊΠ°Ρ†ΠΈΠΈ Π΄Π°Π½Π½Ρ‹Ρ… ΠΈΠ· рСляционных Π±Π°Π·.

1717

Π’ pandas ΠΌΠΎΠΆΠ½ΠΎ ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ ΠΏΡ€ΠΎΡ‰Π΅.
РСализация рассчитана Π½Π° любоС количСство Π³Ρ€ΡƒΠΏΠΏ.

df = df.sort_values(['Genre', 'Spending Score (1-100)'])
b = [df[df.Genre == i].iloc[-7:, [2,3]].mean().values for i in df.Genre.unique()]
pd.DataFrame(b, index = pd.Index(df.Genre.unique(), name='Пол'), columns=['Π‘Ρ€Π΅Π΄Π½ΠΈΠΉ возраст', 'Π‘Ρ€Π΅Π΄Π½ΠΈΠΉ Π³ΠΎΠ΄ΠΎΠ²ΠΎΠΉ Π΄ΠΎΡ…ΠΎΠ΄'])

ΠžΡ‚Π²Π΅Ρ‚ΠΈΡ‚ΡŒ
Автор

πŸ”₯

ΠžΡ‚Π²Π΅Ρ‚ΠΈΡ‚ΡŒ