katerinevach/wwc-python-reto-3

WWC: Tercer reto de la linea Python/DS. CSV's y filtros

Linea Python y DS

Reto: CSV's y filtrado de datos

Descripción:

Ahora que conocemos las estructuras de datos mas comunes para realizar manejo de datos en python (Dataframes) vamos a realizar una tarea que es muy común en el area de DS, la cual es la lectura de archivos CSV.

Los archivos CSV son archivos de texto plano que buscan representar tablas de datos en las cuales son valores están separados por comas. (CSV: Comma-separated values) Aquí un pequeño ejemplo:

adult, belongs_to_collection, budget, id, imdb_id, original_language,original_title
False, Toy Story Collection, 30000000, 862, tt0114709, en, Toy Story
False, James Bond Collection, 58000000, 710, tt0113189, en, GoldenEye
...

Objetivo:

Completar la función analizar_peliculas para que lea el archivo CSV llamado movies_metadata.csv que se encuentra en la carpeta. Este archivo lo tenemos que cargar en un Dataframe usando python, nos podemos ayudar de la librería pandas para ello (Consulta como leer un archivo CSV usando pandas en caso de que sea necesario).

El archivo original de movies_metadata.csv contiene las siguientes columnas:

• adult
• belongs_to_collection
• budget
• genres
• homepage
• id
• imdb_id
• original_language
• original_title
• overview
• popularity
• poster_path
• production_companies
• production_countries
• release_date
• revenue
• runtime
• spoken_languages
• status
• tagline
• title
• video
• vote_average
• vote_count

El objetivo es extraer un nuevo Dataframe con las siguientes características:

1. El nuevo Dataframe solo debe contener estas columnas:
   • title
   • release_date
   • budget
   • revenue
   • runtime
2. Las películas que cumplan todas las siguientes condiciones:
   • Hayan generado un retorno (revenue) de mas de 2000000 USD
   • Su presupuesto (budget) haya sido inferior a 1000000 USD

Puedes investigar como filtrar Dataframes en python para solucionar el segundo item.

Input:

Un archivo CSV con un dataset de películas

Output:

Un nuevo Dataframe solo con los datos que cumplen las características mencionadas

Preparación entorno:

Antes de comenzar con el reto es importante que instalemos las librerías que vamos a usar. Para esto haremos uso del siguiente comando:

$ pip install -r requirements.txt

Comprobar resultados:

Para comprobar los resultados puedes ejecutar el script main.py usando:

$ python main.py

Y deberías de ver los siguiente:

Excelente, has aprendido a leer CSV's con python y como filtrarlos!