(опц.) DataFrame и агрегаты

Та же таблица, меньше строк кода

Урок необязательный. Он требует установленной библиотеки pandas. Если её нет, код в этой тетради не запустится — на понимание модуля это не влияет, все навыки уже получены в уроках 1.1–1.3.

Три урока мы писали циклы руками. Это было нужно: теперь ты знаешь, что происходит внутри. Настоящие аналитики так не пишут — они берут pandas, где таблица становится объектом DataFrame, а агрегаты — одним вызовом.

import pandas as pd
df = pd.read_csv("movies.csv")
print(df["score"].mean())

Обрати внимание: read_csv сам определил, что год и бюджет — числа. Никаких int() больше не нужно. Именно эта мелочь экономит больше всего времени в реальной работе.

Проверка, а не замена

Сравни числа из этой тетради с теми, что мы получили циклами в 1.1.3 и 1.3.3. Они должны совпасть до последнего знака — и это главный смысл урока.

Библиотека не делает ничего волшебного: внутри тот же самый обход строк, просто написанный один раз и на C. Если бы числа разошлись, это означало бы ошибку в одном из двух мест — и знание того, как считать руками, позволяет найти, в каком.

Отсюда правило на весь курс: сначала руками, потом библиотекой. Не наоборот.

Сверь с ручным счётом

Средняя оценка 6.3915, средняя длительность 108.1573, медианный бюджет 21.65 млн. Открой тетради 1.1.3 и 1.3.3 — там ровно эти же числа, посчитанные циклами.

Совпадение до последнего знака и есть смысл урока. Библиотека не считает «по-своему» — она делает то же самое, только код написан один раз и заранее. Всё, что ты выиграл, это строки кода; всё, что мог бы проиграть, — понимание, почему число именно такое.