Réorganisation des catégories
Afin de mieux comprendre les personnes ayant répondu à l'enquête airlines, vous souhaitez déterminer s'il existe un lien entre certaines réponses et le jour de la semaine ainsi que le temps d'attente à l'entrée.
Le DataFrame « airlines » contient les colonnes « day » et « wait_min », qui sont respectivement catégorielles et numériques. day La colonne « Date » indique la date exacte à laquelle un vol a eu lieu, et la colonne « wait_min » indique le nombre de minutes pendant lesquelles les voyageurs ont dû attendre à la porte d'embarquement. Pour faciliter votre analyse, il est recommandé de créer deux nouvelles variables catégorielles :
wait_type:'short'pour 0 à 60 minutes,'medium'pour 60 à 180 minutes etlongpour plus de 180 minutes.day_week:'weekday'si le jour est un jour de semaine,'weekend'si le jour est un jour de week-end.
Les paquets pandas et numpy ont été importés sous les noms pd et np. Créons de nouvelles données catégorielles.
Cet exercice fait partie du cours
Nettoyage des données dans Python
Instructions
- Veuillez créer les plages et les libellés pour la colonne «
wait_type» mentionnée dans la description. - Créez la colonne «
wait_type» à partir de «wait_min» en utilisant «pd.cut()», tout en saisissant «label_ranges» et «label_names» dans les arguments appropriés. - Créez le dictionnaire d'
mappings associant les jours de la semaine à'weekday'et les jours du week-end à'weekend'. - Créez la colonne «
day_week» à l'aide de la commande «.replace()».
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create ranges for categories
label_ranges = [0, 60, ____, np.inf]
label_names = ['short', ____, ____]
# Create wait_type column
airlines['wait_type'] = pd.____(____, bins = ____,
labels = ____)
# Create mappings and replace
mappings = {'Monday':'weekday', 'Tuesday':'____', 'Wednesday': '____',
'Thursday': '____', '____': '____',
'Saturday': 'weekend', '____': '____'}
airlines['day_week'] = airlines['day'].____(mappings)