Open In Colab

1.2. Activitat

  1. Del fitxer WHO.csv, crea un nou dataframe que contengui les columnes: 4,10-39,90,120-123 i guarda’l a un nou fitxer CSV anomenat mini_who.csv

[ ]:

  1. Donat el següent dataframe, una versió molt simplificada de WHO per poder comprovar les operacions:

[1]:
import pandas as pd

# cream un diccionari amb les dades
data = {'País': ['Estados Unidos', 'China', 'Japón', 'Alemania', 'Reino Unido', 'India', 'Francia', 'Italia', 'Brasil', 'Canadá'],
        'PIB (billones de dólares)': [21.44, 15.54, 5.15, 4.17, 2.62, 2.61, 2.58, 1.93, 1.67, 1.65],
        'Inflación (%)': [1.8, 2.9, 0.2, 1.6, 2.2, 5.0, 1.2, 0.9, 3.7, 1.8],
        'Tasa de desempleo (%)': [3.7, 3.6, 2.9, 3.2, 3.8, 6.6, 8.1, 10.0, 13.9, 5.6],
        'Índice de competitividad': [85.6, 83.1, 82.5, 80.9, 78.9, 64.4, 78.0, 70.3, 59.5, 77.2]}

# cream el dataframe
df_economia = pd.DataFrame(data)
  1. Afegeix una columna al dataframe que sigui la població de cada país segons la següent llista: poblacion = [328.2, 1393, 126.5, 83.2, 66.9, 1380, 66.99, 60.3, 212.6, 38.1]

  2. Afegir una columna addicional que calculi el PIB per càpita per a cada país en dòlars dividint el PIB de cada país per la població.

  3. Seleccionar els països amb una tasa d’atur major a 8.0.

  4. Eliminar els països anteriorment seleccionats.

  1. Del fitxer presupuesto_ingresos_2023.csv, pots trobar el total de crèdit (un sumatori de la darrera columna): “HASIERAKO KREDITUA/CREDITO INICIAL 2023”?

Nota: Aquest fitxer és a les activitats del segon dia.

[ ]: