您好,登錄后才能下訂單哦!
這篇文章給大家分享的是有關(guān)Pandas如何實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)的內(nèi)容。小編覺得挺實(shí)用的,因此分享給大家做個(gè)參考,一起跟隨小編過來(lái)看看吧。
數(shù)據(jù)可以有兩種類型-連續(xù)的和離散的,這取決于我們的分析要求。有時(shí)我們不需要連續(xù)變量中的精確值,但需要它所屬的群體。
例如,你的數(shù)據(jù)中有一個(gè)連續(xù)變量,年齡。但你需要一個(gè)年齡組來(lái)進(jìn)行分析,比如兒童、青少年、成人、老年人。實(shí)際上,Binning
非常適合解決我們這里的問題。
為了執(zhí)行Binning
,我們使用cut()
函數(shù)。這對(duì)于從連續(xù)變量到離散變量非常有用。
import pandas as pd df = pd.read_csv('titanic.csv') from sklearn.utils import shuffle # 隨機(jī)化 df = shuffle(df, random_state = 42) df.head() bins = [0,4,17,65,99] labels =['Toddler','Child','Adult','Elderly'] category = pd.cut(df['Age'], bins = bins, labels = labels) df.insert(2, 'Age Group', category) df.head() df['Age Group'].value_counts() df.isnull().sum()
感謝各位的閱讀!關(guān)于“Pandas如何實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,讓大家可以學(xué)到更多知識(shí),如果覺得文章不錯(cuò),可以把它分享出去讓更多的人看到吧!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。