Data Whale第20期チーム学習Pandas学習-変形
Data Whale第20期チーム学習Pandas学習-変形一、長幅表の変形 1.1 pivot 1.2 pivot_table 1.3 melt 1.4 wide_to_long
二、インデックスの変形 2.1 stackとunstack 2.2重合と変形の関係 三、その他の変形関数 3.1 crosstab 3.2 explode 3.3 get_dummies
参考文献 一、縦横表の変形
長いテーブルと広いテーブルは、ある特徴にとって、例えば、あるテーブルが性別をある列に格納すると、それは性別に関する長いテーブルである.性別をカラム名とし、カラム内の要素が他の関連特徴数値である場合、このテーブルは性別に関する広いテーブルです.
上記のコードから分かるように、テーブルdfとテーブルdf 1は情報的に完全に等価であり、いずれも同じ身長統計値を含むが、これらの値の提示方式は異なるが、その提示方式は主に性別の1列で選択されたレイアウトモード、すなわちlongの状態で格納されるかwideの状態で格納されるかに関係している.従ってpandasは,このようなアスペクトテーブルの変形動作に関連するいくつかの変形関数を設計した.
1.1 pivot
pivotは典型的な長表幅表の関数である.
基本的な長さが広くなる操作に対して、最も重要なのは、変形後のローインデックス、カラムインデックスに移動する必要があるカラム、およびpivotメソッドのindex、columns、valuesパラメータにそれぞれ対応するカラムとローインデックスに対応する数値を知ることです.テーブルに新生されたカラムインデックスはcolumns対応カラムのunique値であり、新しいテーブルのローインデックスはindex対応カラムのunique値であり、valuesは表示したい数値カラムに対応する.
pandasは1.1.0からpivotに関連する3つのパラメータをリストに設定できます.つまり、マルチレベルインデックスが返されることを意味します.次の表の6つの列は、クラス、名前、テストタイプ(中間試験と期末試験)、科目、成績、ランキングです.コードは次のとおりです.
一意性の原則に基づいて、新しいテーブルのローインデックスはindexの複数のカラムにdrop_を使用することに等しい.duplicatesで、カラムインデックスの長さはvaluesの要素個数にcolumnsの一意の組合せ数(indexと同様)を乗じます.
1.2 pivot_table
pivotの使用は一意性条件に依存し、一意性条件が満たされない場合は、同じ行列の組合せに対応する複数の値を集約操作によって1つの値に変更する必要がある.
pandasではpivot_が提供されていますaggfuncパラメータが使用される集約関数であるtableで実現
転送aggfuncには、前章で説明したすべての合法的な集約文字列が含まれており、シーケンスを入力スカラーとして出力する集約関数を転送してカスタム操作を実現することもできます.
さらに、pivot_tableは、margins=Trueを設定することによって実現できる境界要約機能を有し、境界の集約方式はaggfuncで与えられた集約方法と一致する.
1.3 melt
アスペクトテーブルはデータ提示方式の違いにすぎないが,その含む情報量は等価であり,pivotを用いてアスペクトテーブルをアスペクトテーブルに変換するとmelt関数は対応する逆操作でアスペクトテーブルをアスペクトテーブルに変換できると前述した.
1.4 wide_to_long
meltメソッドでは、カラムインデックスで圧縮された値のセットに対応するカラム要素は、values_という同じ階層の意味しか表しません.name .中間期末のカテゴリや国語数学のカテゴリなど、列にクロスカテゴリが含まれている場合はvalues_name対応のGradeは2列に拡張してそれぞれ国語の点数と数学の点数に対応して、中期末の情報だけを圧縮して、このような需要の下でwide_を使いますto_long関数で完了します.
二、索引の変形
2.1 stackとunstack
swaplevelまたはreorderを使用levelsはインデックス内部のレイヤ交換を行い,行列インデックス間の交換はDataFrame次元の変化,すなわち変形操作に属する.第1節で説明した4つの変形関数は、インデックス間の変換ではなく、1つまたは複数のカラム要素とカラムインデックス間の変換に属している点で異なります.unstack関数の役割は、ローインデックスをカラムインデックスに変換することです.
2.2重合と変形の関係
以上のすべての関数では、集約効果のあるpivot_を除きます.table以外では,すべての関数は変形前後でvalues個数の変化をもたらすことはなく,これらの値は提示形式で変化しただけである.パケット集約操作では、新しい行列インデックスが生成されるため、必然的に何らかの特殊な変形操作にも属するが、集約後に元の複数の値を1つの値に変更するため、valuesの個数が変化する、すなわちパケット集約と変形関数の最大区別である.
三、その他の変形関数
3.1 crosstab
crosstabは、すべての機能pivot_を実現できるため、推奨される関数ではありません.tableはすべて完成することができて、しかも速度はもっと速いです.デフォルトでは、crosstabは、要素の組合せが現れる周波数、すなわちcount操作を統計することができる.
3.2 explode
explodeパラメータは、ある列の要素を縦方向に展開することができる、展開されたセルにはlist,tuple,Series,npを格納必要がある.ndarrayのタイプです.
3.3 get_dummies
get_dummiesは特徴構築に用いる重要な関数の一つであり,カテゴリ特徴を指示変数に変換する役割を果たす.例えば、学年の列を指示変数に変換し、ある学年に属する対応する列を1とし、そうでなければ0とし、コードは以下の通りである.
参考文献
1、https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch5.html
長いテーブルと広いテーブルは、ある特徴にとって、例えば、あるテーブルが性別をある列に格納すると、それは性別に関する長いテーブルである.性別をカラム名とし、カラム内の要素が他の関連特徴数値である場合、このテーブルは性別に関する広いテーブルです.
import pandas as pd
import numpy as np
df=pd.DataFrame({
'Gender':['F','F','M','M','F','F'],
'Height':[163, 160, 175, 180,165,175]})
print("df=",df)
# df= Gender Height
# 0 F 163
# 1 F 160
# 2 M 175
# 3 M 180
# 4 F 165
# 5 F 175
df1=pd.DataFrame({
'Height: F':[163, 160,180],
'Height: M':[175, 180,169]})
print("df1=",df1)
# df1= Height: F Height: M
# 0 163 175
# 1 160 180
# 2 180 169
上記のコードから分かるように、テーブルdfとテーブルdf 1は情報的に完全に等価であり、いずれも同じ身長統計値を含むが、これらの値の提示方式は異なるが、その提示方式は主に性別の1列で選択されたレイアウトモード、すなわちlongの状態で格納されるかwideの状態で格納されるかに関係している.従ってpandasは,このようなアスペクトテーブルの変形動作に関連するいくつかの変形関数を設計した.
1.1 pivot
pivotは典型的な長表幅表の関数である.
df2=pd.DataFrame({
'Class':[1,3,2,4,1,3],
'Name':['San Zhang','Xiao Zhang','Si Wang','Si Li','Er Wang','Wu Liu'],
'Subject':['Chinese','Math','Chinese','Math','Chinese','Math'],
'Grade':[80,75,90,85,70,95]})
print("df2=",df2)
# df2= Class Name Subject Grade
# 0 1 San Zhang Chinese 80
# 1 3 Xiao Zhang Math 75
# 2 2 Si Wang Chinese 90
# 3 4 Si Li Math 85
# 4 1 Er Wang Chinese 70
# 5 3 Wu Liu Math 95
基本的な長さが広くなる操作に対して、最も重要なのは、変形後のローインデックス、カラムインデックスに移動する必要があるカラム、およびpivotメソッドのindex、columns、valuesパラメータにそれぞれ対応するカラムとローインデックスに対応する数値を知ることです.テーブルに新生されたカラムインデックスはcolumns対応カラムのunique値であり、新しいテーブルのローインデックスはindex対応カラムのunique値であり、valuesは表示したい数値カラムに対応する.
print("df2.pivot(index='Name', columns='Subject', values='Grade')=",
df2.pivot(index='Name', columns='Subject', values='Grade'))
# df2.pivot(index='Name', columns='Subject', values='Grade')= Subject Chinese Math
# Name
# Er Wang 70.0 NaN
# San Zhang 80.0 NaN
# Si Li NaN 85.0
# Si Wang 90.0 NaN
# Wu Liu NaN 95.0
# Xiao Zhang NaN 75.0
pandasは1.1.0からpivotに関連する3つのパラメータをリストに設定できます.つまり、マルチレベルインデックスが返されることを意味します.次の表の6つの列は、クラス、名前、テストタイプ(中間試験と期末試験)、科目、成績、ランキングです.コードは次のとおりです.
df3 = pd.DataFrame({
'Class':[1, 1, 2, 2, 1, 1, 2, 2],'Name':['San Zhang', 'San Zhang', 'Si Li', 'Si Li','San Zhang', 'San Zhang', 'Si Li', 'Si Li'],
'Examination': ['Mid', 'Final', 'Mid', 'Final','Mid', 'Final', 'Mid', 'Final'],
'Subject':['Chinese', 'Chinese', 'Chinese', 'Chinese','Math', 'Math', 'Math', 'Math'],
'Grade':[80, 75, 85, 65, 90, 85, 92, 88],'rank':[10, 15, 21, 15, 20, 7, 6, 2]})
print("df3=",df3)
# df3= Class Name Examination Subject Grade rank
# 0 1 San Zhang Mid Chinese 80 10
# 1 1 San Zhang Final Chinese 75 15
# 2 2 Si Li Mid Chinese 85 21
# 3 2 Si Li Final Chinese 65 15
# 4 1 San Zhang Mid Math 90 20
# 5 1 San Zhang Final Math 85 7
# 6 2 Si Li Mid Math 92 6
# 7 2 Si Li Final Math 88 2
"""
（ 、 、 、 ） ，
"""
pivot_multi = df3.pivot(index = ['Class', 'Name'],
columns = ['Subject','Examination'],values = ['Grade','rank'])
print("pivot_multi=",pivot_multi)
# pivot_multi= Grade rank
# Subject Chinese Math Chinese Math
# Examination Mid Final Mid Final Mid Final Mid Final
# Class Name
# 1 San Zhang 80 75 90 85 10 15 20 7
# 2 Si Li 85 65 92 88 21 15 6 2
一意性の原則に基づいて、新しいテーブルのローインデックスはindexの複数のカラムにdrop_を使用することに等しい.duplicatesで、カラムインデックスの長さはvaluesの要素個数にcolumnsの一意の組合せ数(indexと同様)を乗じます.
1.2 pivot_table
pivotの使用は一意性条件に依存し、一意性条件が満たされない場合は、同じ行列の組合せに対応する複数の値を集約操作によって1つの値に変更する必要がある.
"""
， ，
， pivot
"""
df4 = pd.DataFrame({
'Name':['San Zhang', 'San Zhang','Si Li', 'Si Li','San Zhang', 'San Zhang','Si Li', 'Si Li'],
'Subject':['Chinese', 'Chinese', 'Math', 'Math','Chinese', 'Chinese', 'Math', 'Math'],
'Grade':[80, 90, 100, 90, 70, 80, 85, 95]})
print("df4=",df4)
# df4= Name Subject Grade
# 0 San Zhang Chinese 80
# 1 San Zhang Chinese 90
# 2 Si Li Math 100
# 3 Si Li Math 90
# 4 San Zhang Chinese 70
# 5 San Zhang Chinese 80
# 6 Si Li Math 85
# 7 Si Li Math 95
pandasではpivot_が提供されていますaggfuncパラメータが使用される集約関数であるtableで実現
print("df4.pivot_table(index = 'Name',columns = 'Subject',values='Grade',aggfunc = 'mean'",
df4.pivot_table(index = 'Name',columns = 'Subject',values='Grade',aggfunc = 'mean'))
# df4.pivot_table(index = 'Name',columns = 'Subject',values='Grade',aggfunc = 'mean' Subject Chinese Math
# Name
# San Zhang 80.0 NaN
# Si Li NaN 92.5
転送aggfuncには、前章で説明したすべての合法的な集約文字列が含まれており、シーケンスを入力スカラーとして出力する集約関数を転送してカスタム操作を実現することもできます.
print("df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc = lambda x:x.mean())=",
df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc = lambda x:x.mean()))
# df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc = lambda x:x.mean())= Subject Chinese Math
# Name
# San Zhang 80.0 NaN
# Si Li NaN 92.5
さらに、pivot_tableは、margins=Trueを設定することによって実現できる境界要約機能を有し、境界の集約方式はaggfuncで与えられた集約方法と一致する.
"""
、 ， ：
"""
print("df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc='mean',margins=True)=",
df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc='mean',margins=True))
# df4.pivot_table(index = 'Name',columns = 'Subject',values = 'Grade',aggfunc='mean',margins=True)= Subject Chinese Math All
# Name
# San Zhang 80.0 NaN 80.00
# Si Li NaN 92.5 92.50
# All 80.0 92.5 86.25
1.3 melt
アスペクトテーブルはデータ提示方式の違いにすぎないが,その含む情報量は等価であり,pivotを用いてアスペクトテーブルをアスペクトテーブルに変換するとmelt関数は対応する逆操作でアスペクトテーブルをアスペクトテーブルに変換できると前述した.
df5=pd.DataFrame({
'Class':[1,2,3],'Name':['San Zhang', 'Si Li','Wu Wang'],'Chinese':[80, 90,85],'Math':[80, 75,95]})
print("df5=",df5)
# df5= Class Name Chinese Math
# 0 1 San Zhang 80 80
# 1 2 Si Li 90 75
# 2 3 Wu Wang 85 95
df5_m=df5.melt(id_vars = ['Class', 'Name'],value_vars = ['Chinese', 'Math'],
var_name = 'Subject',value_name = 'Grade')
print("df5_m=",df5_m)
# df5_m= Class Name Subject Grade
# 0 1 San Zhang Chinese 80
# 1 2 Si Li Chinese 90
# 2 3 Wu Wang Chinese 85
# 3 1 San Zhang Math 80
# 4 2 Si Li Math 75
# 5 3 Wu Wang Math 95
df5_um=df5_m.pivot(index = ['Class', 'Name'], columns='Subject',values='Grade')
print("df5_um=",df5_um)
# df5_um= Subject Chinese Math
# Class Name
# 1 San Zhang 80 80
# 2 Si Li 90 75
# 3 Wu Wang 85 95
df5_um=df5_um.reset_index().rename_axis(columns={
'Subject':''})
print("df5_um.equals(df5)=",df5_um.equals(df5))
# df5_um.equals(df5)= True
1.4 wide_to_long
meltメソッドでは、カラムインデックスで圧縮された値のセットに対応するカラム要素は、values_という同じ階層の意味しか表しません.name .中間期末のカテゴリや国語数学のカテゴリなど、列にクロスカテゴリが含まれている場合はvalues_name対応のGradeは2列に拡張してそれぞれ国語の点数と数学の点数に対応して、中期末の情報だけを圧縮して、このような需要の下でwide_を使いますto_long関数で完了します.
df6=pd.DataFrame({
'Class':[1,2,1],'Name':['San Zhang', 'Si Li','Liu Liu'],'Chinese_Mid':[80, 75,85],
'Math_Mid':[90, 85,85],'Chinese_Final':[80, 75,81], 'Math_Final':[90, 85,92]})
print("df6=",df6)
# df6= Class Name Chinese_Mid Math_Mid Chinese_Final Math_Final
# 0 1 San Zhang 80 90 80 90
# 1 2 Si Li 75 85 75 85
# 2 1 Liu Liu 85 85 81 92
print("pd.wide_to_long(df6,stubnames=['Chinese', 'Math'],i = ['Class', 'Name'],j='Examination',sep='_',suffix='.+')=",
pd.wide_to_long(df6,stubnames=['Chinese', 'Math'],i = ['Class', 'Name'],j='Examination',sep='_',suffix='.+'))
# pd.wide_to_long(df6,stubnames=['Chinese', 'Math'],i = ['Class', 'Name'],j='Examination',sep='_',suffix='.+')= Chinese Math
# Class Name Examination
# 1 San Zhang Mid 80 90
# Final 80 90
# 2 Si Li Mid 75 85
# Final 75 85
# 1 Liu Liu Mid 85 85
# Final 81 92
res = pivot_multi.copy()
res.columns = res.columns.map(lambda x:'_'.join(x))
res = res.reset_index()
res = pd.wide_to_long(res, stubnames=['Grade', 'rank'],
i = ['Class', 'Name'],j = 'Subject_Examination',sep = '_',suffix = '.+')
res = res.reset_index()
res[['Subject', 'Examination']] = res['Subject_Examination'].str.split('_', expand=True)
res = res[['Class', 'Name', 'Examination','Subject', 'Grade', 'rank']].sort_values('Subject')
res = res.reset_index(drop=True)
print("res=",res)
# res= Class Name Examination Subject Grade rank
# 0 1 San Zhang Mid Chinese 80 10
# 1 1 San Zhang Final Chinese 75 15
# 2 2 Si Li Mid Chinese 85 21
# 3 2 Si Li Final Chinese 65 15
# 4 1 San Zhang Mid Math 90 20
# 5 1 San Zhang Final Math 85 7
# 6 2 Si Li Mid Math 92 6
# 7 2 Si Li Final Math 88 2
二、索引の変形
2.1 stackとunstack
swaplevelまたはreorderを使用levelsはインデックス内部のレイヤ交換を行い,行列インデックス間の交換はDataFrame次元の変化,すなわち変形操作に属する.第1節で説明した4つの変形関数は、インデックス間の変換ではなく、1つまたは複数のカラム要素とカラムインデックス間の変換に属している点で異なります.unstack関数の役割は、ローインデックスをカラムインデックスに変換することです.
df7=pd.DataFrame(np.ones((6,3)),index = pd.Index([('A', 'cat', 'pig'),('A', 'dog', 'small'),('C', 'cat', 'pig'),('C', 'dog', 'small'),
('B', 'cat', 'pig'),('B', 'dog', 'small')]),columns=['col_1', 'col_2', 'col_3'])
print("df7=",df7)
# df7= col_1 col_2 col_3
# A cat pig 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
# C cat pig 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
# B cat pig 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
print("df7.unstack()=",df7.unstack())
# df7.unstack()= col_1 col_2 col_3
# pig small pig small pig small
# A cat 1.0 NaN 1.0 NaN 1.0 NaN
# dog NaN 1.0 NaN 1.0 NaN 1.0
# B cat 1.0 NaN 1.0 NaN 1.0 NaN
# dog NaN 1.0 NaN 1.0 NaN 1.0
# C cat 1.0 NaN 1.0 NaN 1.0 NaN
# dog NaN 1.0 NaN 1.0 NaN 1.0
# unstack ， ， ，
print("df7.unstack(1)=",df7.unstack(1))
# df7.unstack(1)= col_1 col_2 col_3
# cat dog cat dog cat dog
# A pig 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
# B pig 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
# C pig 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
print("df7.unstack([0,2])",df7.unstack([0,2]))
# df7.unstack([0,2]) col_1 ... col_3
# A C B ... A C B
# pig small pig small pig small ... pig small pig small pig small
# cat 1.0 NaN 1.0 NaN 1.0 NaN ... 1.0 NaN 1.0 NaN 1.0 NaN
# dog NaN 1.0 NaN 1.0 NaN 1.0 ... NaN 1.0 NaN 1.0 NaN 1.0
#
# [2 rows x 18 columns]
df8=pd.DataFrame(np.ones((6,3)),index = pd.Index([('A', 'cat', 'big'),('A', 'dog', 'small'),('B', 'cat', 'big'),
('B', 'dog', 'small'),('D', 'cat', 'big'),('D', 'dog', 'small')]),
columns=['index_1', 'index_2', 'index_3']).T
print("df8=",df8)
# df8= A B D
# cat dog cat dog cat dog
# big small big small big small
# index_1 1.0 1.0 1.0 1.0 1.0 1.0
# index_2 1.0 1.0 1.0 1.0 1.0 1.0
# index_3 1.0 1.0 1.0 1.0 1.0 1.0
print("df8.stack()=",df8.stack())
# df8.stack()= A B D
# cat dog cat dog cat dog
# index_1 big 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
# index_2 big 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
# index_3 big 1.0 NaN 1.0 NaN 1.0 NaN
# small NaN 1.0 NaN 1.0 NaN 1.0
print("df8.stack([1, 2])=",df8.stack([1, 2]))
# df8.stack([1, 2])= A B D
# index_1 cat big 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
# index_2 cat big 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
# index_3 cat big 1.0 1.0 1.0
# dog small 1.0 1.0 1.0
2.2重合と変形の関係
以上のすべての関数では、集約効果のあるpivot_を除きます.table以外では,すべての関数は変形前後でvalues個数の変化をもたらすことはなく,これらの値は提示形式で変化しただけである.パケット集約操作では、新しい行列インデックスが生成されるため、必然的に何らかの特殊な変形操作にも属するが、集約後に元の複数の値を1つの値に変更するため、valuesの個数が変化する、すなわちパケット集約と変形関数の最大区別である.
三、その他の変形関数
3.1 crosstab
crosstabは、すべての機能pivot_を実現できるため、推奨される関数ではありません.tableはすべて完成することができて、しかも速度はもっと速いです.デフォルトでは、crosstabは、要素の組合せが現れる周波数、すなわちcount操作を統計することができる.
# learn_pandas
df9 = pd.read_csv('data/learn_pandas.csv')
print("pd.crosstab(index = df9.School, columns = df9.Transfer)=",
pd.crosstab(index = df9.School, columns = df9.Transfer))
# pd.crosstab(index = df9.School, columns = df9.Transfer)= Transfer N Y
# School
# Fudan University 38 1
# Peking University 28 2
# Shanghai Jiao Tong University 53 0
# Tsinghua University 62 4
# crosstab
print("pd.crosstab(index = df9.School, columns = df9.Transfer,values = [0]*df9.shape[0], aggfunc = 'count'=",
pd.crosstab(index = df9.School, columns = df9.Transfer,values = [0]*df9.shape[0], aggfunc = 'count'))
# pd.crosstab(index = df9.School, columns = df9.Transfer,values = [0]*df9.shape[0], aggfunc = 'count'= Transfer N Y
# School
# Fudan University 38.0 1.0
# Peking University 28.0 2.0
# Shanghai Jiao Tong University 53.0 NaN
# Tsinghua University 62.0 4.0
## pivot_table ， ，
# values
print("df9.pivot_table(index = 'School',columns = 'Transfer',values = 'Name',aggfunc = 'count')=",
df9.pivot_table(index = 'School',columns = 'Transfer',values = 'Name',aggfunc = 'count'))
# df9.pivot_table(index = 'School',columns = 'Transfer',values = 'Name',aggfunc = 'count')= Transfer N Y
# School
# Fudan University 38.0 1.0
# Peking University 28.0 2.0
# Shanghai Jiao Tong University 53.0 NaN
# Tsinghua University 62.0 4.0
# count ， ，
print("pd.crosstab(index = df9.School, columns = df9.Transfer,values = df9.Height, aggfunc = 'mean')=",
pd.crosstab(index = df9.School, columns = df9.Transfer,values = df9.Height, aggfunc = 'mean'))
# pd.crosstab(index = df9.School, columns = df9.Transfer,values = df9.Height, aggfunc = 'mean')= Transfer N Y
# School
# Fudan University 162.043750 177.20
# Peking University 163.429630 162.40
# Shanghai Jiao Tong University 163.953846 NaN
# Tsinghua University 163.253571 164.55
3.2 explode
explodeパラメータは、ある列の要素を縦方向に展開することができる、展開されたセルにはlist,tuple,Series,npを格納必要がある.ndarrayのタイプです.
df10 = pd.DataFrame({
'Q': [[1, 2],'my_str',{
1, 2},pd.Series([3, 4])], 'R': 1})
print("df10.explode('Q')=",df10.explode('Q'))
# df10.explode('Q')= Q R
# 0 1 1
# 0 2 1
# 1 my_str 1
# 2 {1, 2} 1
# 3 3 1
# 3 4 1
3.3 get_dummies
get_dummiesは特徴構築に用いる重要な関数の一つであり,カテゴリ特徴を指示変数に変換する役割を果たす.例えば、学年の列を指示変数に変換し、ある学年に属する対応する列を1とし、そうでなければ0とし、コードは以下の通りである.
print("pd.get_dummies(df9.Grade).head()=",pd.get_dummies(df9.Grade).head())
# pd.get_dummies(df9.Grade).head()= Freshman Junior Senior Sophomore
# 0 1 0 0 0
# 1 1 0 0 0
# 2 0 0 1 0
# 3 0 0 0 1
# 4 0 0 0 1
参考文献
1、https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch5.html