Summary  
This chapter explains how to use a membership check method to filter rows in a dataset by selecting entries whose column values are contained in a provided list, and printing the filtered results.

General domain of usage  
Data analysis

Tässä osiossa jatketaan datan poimimista käyttämällä tiettyjä ehtoja. Tässä tutustut hyödylliseen menetelmään nimeltä `.isin()`. Ensin sinun tulee tarkastella tietojoukkoa. Katso viisi ensimmäistä riviä:

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv', index_col = 0)
print(data.head())

Tarkastele nyt alla olevaa esimerkkiä ja selitystä:

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv', index_col = 0)
models = ['HONDA', 'FORD', 'MERCEDES-BENZ', 'HYUNDAI']
data_extracted = data.loc[data['Manufacturer'].isin(models)]
print(data_extracted.head())

**Selitys:**

Kuten muistatte, ehdot asetetaan aina `.loc[]`-attribuutin sisään. Tässä toimitaan samalla tavalla. `.isin(list)`-metodi tarkistaa, löytyvätkö sarakkeen arvot annetusta taulukosta. Tässä tapauksessa tarkistetaan, ovatko sarakkeen `'Manufacturer'` arvot `models`-listassa.

import unittest
import pandas as pd
import io
import sys


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)


def frames_equal_ignore_col_order(df1, df2):
    """ÐÐµÑÐµÐ²ÑÑÑÑ ÑÑÐ²Ð½ÑÑÑÑ DataFrame Ð½ÐµÐ·Ð°Ð»ÐµÐ¶Ð½Ð¾ Ð²ÑÐ´ Ð¿Ð¾ÑÑÐ´ÐºÑ ÐºÐ¾Ð»Ð¾Ð½Ð¾Ðº."""
    if set(df1.columns) != set(df2.columns):
        return False
    common_cols = sorted(df1.columns)
    df1_sorted = df1[common_cols].reset_index(drop=True)
    df2_sorted = df2[common_cols].reset_index(drop=True)
    return df1_sorted.equals(df2_sorted)


class TestColorsList(unittest.TestCase):
    def test_colors_list(self):
        """
        1. Create the 'colors' list with elements 'Grey', 'White', 'Black' (in this order).
        """
        import user_code
        condition = (
            hasattr(user_code, "colors")
            and isinstance(user_code.colors, list)
            and user_code.colors == ["Grey", "White", "Black"]
        )
        _dynamic_test(
            self,
            condition,
            "The 'colors' list is created correctly with elements ['Grey', 'White', 'Black'].",
            "The 'colors' list is incorrect. Ensure it includes ['Grey', 'White', 'Black'] in the right order."
        )


class TestDataExtraction(unittest.TestCase):
    def test_extracted_rows(self):
        """
        2. Extract data where 'Color' column values are in the list 'colors' using .loc[] and .isin().
        """
        import user_code
        df = pd.read_csv(
            "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv",
            index_col=0,
        )
        ref = df.loc[df["Color"].isin(["Grey", "White", "Black"])]

        condition = (
            hasattr(user_code, "data_extracted")
            and isinstance(user_code.data_extracted, pd.DataFrame)
            and frames_equal_ignore_col_order(user_code.data_extracted, ref)
        )

        _dynamic_test(
            self,
            condition,
            "The 'data_extracted' DataFrame correctly contains rows where Color is Grey, White, or Black.",
            "The filtering by Color is incorrect. Use .loc[] with .isin(colors)."
        )


class TestOutput(unittest.TestCase):
    def test_output_tail(self):
        """
        3. Output the last five rows of 'data_extracted' using .tail().
        """
        import user_code
        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data_extracted.tail())
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = len(output_text) > 0
        _dynamic_test(
            self,
            condition,
            "The output displays the last five rows of 'data_extracted' using .tail().",
            "The 'data_extracted' DataFrame is not printed correctly. Use print(data_extracted.tail())."
        )


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


test_code.py

Tämä kurssi sisältää runsaasti hyödyllisiä funktioita tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja jopa ehtojen asettamiseen niille. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisella osiolla on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit tuottamaan tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin valita rivejä indeksien avulla.

Tässä opit, kuinka tietoja voidaan poimia tiettyjen ehtojen perusteella. Lisäksi opit yhdistämään ehtoja ja luomaan omia ehtoja.

Tässä osiossa syvennät osaamistasi erilaisten datan ehtojen asettamisessa. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoin. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen käsittely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Onko Data ...?

Ratkaisu