Summary  
This chapter covers using string replacement on column values with `.str.replace()` and converting column types to numeric with `.astype()`.  

General domain of usage  
Data cleaning

Du har modtaget resultatet `object`. Dette betyder, at kolonnens type er ikke-numerisk, men for at beregne nødvendige værdier, skal kolonnen være numerisk. Dette skal ændres.
1. Først skal `-` erstattes med `.`. Dette gøres ved at anvende metoden `.str.replace()` for at erstatte tegnet i strengene i datasættets kolonne. Syntaksen er  
`data['column_name'].str.replace('old_symbol','new_symbol')`  
I dette tilfælde er `old_symbol` `-`, og `.` er `new_symbol`;
2. Dernæst konverteres kolonnen til float `data`-typen. Dette gøres ved at bruge metoden `.astype()`. Syntaksen er `data['column_name'].astype('type')`.  
I dette tilfælde er typen `'float'`.

import unittest
import pandas as pd
import io
import sys
import numpy as np


def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestFareTransformation(unittest.TestCase):
    def test_fare_transformed_to_float(self):
        """
        1â2. Check that all '-' in 'Fare' were replaced with '.' and column converted to float.
        """
        import user_code

        # reference dataset
        url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv"
        df_ref = pd.read_csv(url, index_col=0)

        # user result
        assert hasattr(user_code, "data"), "Variable 'data' not found."
        df_user = user_code.data.copy()

        # ensure column exists
        assert "Fare" in df_user.columns, "Column 'Fare' missing in DataFrame."

        # condition 1: dtype is float
        dtype_correct = np.issubdtype(df_user["Fare"].dtype, np.floating)

        # condition 2: no '-' symbols remain (after conversion, values should all be numeric)
        # convert to string to check presence of '-'
        contains_hyphen = df_user["Fare"].astype(str).str.contains("-").any()
        condition = dtype_correct and not contains_hyphen

        _dynamic_test(
            self,
            condition,
            "The column 'Fare' was correctly cleaned (no '-') and converted to float type.",
            "The 'Fare' column still contains '-' or has not been converted to float."
        )


class TestOutput(unittest.TestCase):
    def test_output_dtype_printed(self):
        """
        3. Check that the data type of 'Fare' is printed.
        """
        import user_code

        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data["Fare"].dtypes)
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = "float" in output_text.lower()
        _dynamic_test(
            self,
            condition,
            "The data type of the 'Fare' column is printed correctly as float.",
            "The output does not show the 'float' data type. Ensure you print data['Fare'].dtypes."
        )


if __name__ == "__main__":
    unittest.main()

test_code.py

Dette kursus indeholder mange nyttige funktioner for en kommende dataanalytiker. Du vil lære forskellige metoder til at udtrække data og endda sætte betingelser for dem. Herefter vil du blive fortrolig med metoder til gruppering af data. Du vil også lære, hvordan man forbehandler data. Hvert afsnit har sit eget datasæt, hvilket gør kurset engagerende.

Dette afsnit vil lære dig, hvordan du udtrækker specifikke kolonner ved hjælp af deres titler eller indekser. Du vil også blive introduceret til metoder til at udvælge rækker baseret på indekser.

Her vil du lære, hvordan du udtrækker data med specifikke betingelser. Du vil også lære, hvordan du kombinerer dem og endda opretter dine egne.

I dette afsnit udvider du din viden om at opstille forskellige datakriterier. Du lærer at kontrollere, om dine data er i en defineret liste af værdier eller mellem to værdier. Du lærer også, hvordan du finder de største og mindste værdier.

Dette afsnit er et af de mest fascinerende i kurset. Her lærer du, hvordan du kan gruppere data på forskellige måder. Det vil hjælpe dig som dataanalytiker med at finde information om specifikke datagrupper.

Dette afsnit er et af de mest betydningsfulde for en dataanalytiker, da det vil være umuligt at arbejde med data, hvis de indeholder manglende værdier eller er i et forkert format. Derfor vil du her lære, hvordan du håndterer sådanne uhensigtsmæssige værdier.

Håndtering af en Forkert Kolonne

Løsning