La solicitud
De Megan Collins, Directora de Ventas
“Tengo los pedidos y los ingresos diarios del 17 al 30 de noviembre en dos listas. Necesito el valor promedio de pedido por día, cuántos pedidos entraron en la segunda semana, cómo se compara cada día de la semana dos con el mismo día de la semana uno, y los conteos de pedidos de nuestros días de mucho movimiento, de más de 40.”
Tu objetivo
Convierte las listas en arrays de NumPy. Asigna a result un diccionario con las claves 'aov' (ingresos / pedidos de cada día, redondeado a 2, como una lista de 14 floats), 'week2_orders' (suma de pedidos de los últimos 7 días, un int), 'vs_last_week' (pedidos de los días 8–14 menos pedidos de los días 1–7, día a día, como una lista de 7 ints) y 'busy_days' (los conteos de pedidos mayores que 40, en orden de fecha, como una lista).
- Guarda un dict en
resultpendiente
Tu código
Cargando el editor…
Solución de referencia
Mote revisa tu resultado
Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.
Lo que recibe Megan, y por qué
La lección
Los arrays hacen las cuentas elemento a elemento
NumPy es la biblioteca de cálculo numérico que hay debajo de pandas, ya cargada aquí como np. Su objeto
central es el array: una lista de valores de un mismo tipo que admite operaciones matemáticas sobre
todos a la vez.
o = np.array([23, 24, 17, 22, 22, 18, 26, 20, 22, 15, 24, 56, 51, 58])
r = np.array([10937, 16395, 9826, ...])
r / o # 14 averages: 475.52, 683.12, 578.0, ...
o * 2 # every count doubled
o + 5 # every count plus 5Las operaciones entre dos arrays de la misma longitud emparejan los valores por posición. Por eso r / o
da un valor promedio de pedido por día sin un bucle. Las listas simples se comportan distinto:
orders * 2 repite la lista, y revenue / orders es un TypeError.
Los promedios cuentan su propia historia. El Black Friday (28 de noviembre, el 12.º valor) tuvo la mayor cantidad de pedidos pero un promedio de solo $306.59, por debajo de la mayoría de los días normales. Casi la mitad de los pedidos de ese día usó el cupón del 25% de Black Friday, lo que baja el valor de la canasta.
Cortar una semana
Los arrays se cortan como las listas. Las posiciones empiezan en 0, y el final de un slice se excluye:
o[:7] # days 1-7, the week of November 17
o[7:] # days 8-14, the week of November 24
o[7:].sum() # 246
o[7:] - o[:7] # [-3, -2, -2, 2, 34, 33, 32]Como ambos slices tienen 7 valores, restarlos compara el lunes con el lunes, el martes con el martes, y
así sucesivamente. .sum() devuelve un entero de NumPy; int(...) lo convierte en un int normal de
Python.
Indexación booleana
Una comparación sobre un array da un array de True y False, uno por valor:
o > 40 # [False, False, ..., True, True, True]
o[o > 40] # [56, 51, 58]Poner ese array de True/False dentro de los corchetes conserva solo los valores donde es True. Esto se
llama indexación booleana, y es exactamente como funciona el filtrado de un DataFrame. Las
condiciones se pueden combinar con & (y) y | (o), cada una entre paréntesis:
o[(o > 20) & (o < 30)] conserva los días normales con movimiento y descarta tanto los tranquilos como el
pico del Black Friday. El resultado es siempre un array nuevo y más corto; el o original conserva sus
14 valores.
Errores comunes
- Hacer aritmética con las listas en lugar de con arrays.
- Cortar
o[8:]para la segunda semana, lo que se salta su lunes. La posición 7 es el 8.º día. - Escribir
o > 40y esperar recibir los valores; obtienes True/False. Ponlo dentro deo[...]. - Devolver arrays donde se piden listas.
.tolist()los convierte.
¡Linterna encendida!
Practicaste: numpynp arrayelement wiseslicingboolean indexing
- Resuelto
- Sin pistas
- Al primer intento