शुरू करेंमुफ़्त में शुरू करें

श्रेणियाँ फिर से मैप करना

airlines के सर्वे उत्तरदाताओं को बेहतर समझने के लिए, आप यह जानना चाहते हैं कि कुछ प्रतिक्रियाओं का सप्ताह के दिन और गेट पर प्रतीक्षा समय से कोई संबंध है या नहीं.

airlines DataFrame में day और wait_min कॉलम हैं, जो क्रमशः categorical और numerical हैं. day कॉलम में वह सटीक दिन है जब उड़ान हुई, और wait_min में वे मिनट हैं जो यात्रियों ने गेट पर इंतज़ार किया. अपनी analysis आसान बनाने के लिए, आप दो नए categorical वैरिएबल बनाना चाहते हैं:

  • wait_type: 0-60 min के लिए 'short', 60-180 के लिए 'medium' और 180+ के लिए long
  • day_week: अगर दिन weekday है तो 'weekday', और अगर दिन weekend है तो 'weekend'.

pandas और numpy पैकेज क्रमशः pd और np के रूप में इम्पोर्ट किए जा चुके हैं. आइए कुछ नया categorical डेटा बनाते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में डेटा क्लीनिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • विवरण में बताए गए अनुसार wait_type कॉलम के लिए ranges और labels बनाएँ.
  • pd.cut() का उपयोग करके wait_min से wait_type कॉलम बनाएँ, और label_ranges तथा label_names को सही arguments में पास करें.
  • weekdays को 'weekday' और weekend days को 'weekend' से map करने वाली mapping dictionary बनाएँ.
  • .replace() का उपयोग करके day_week कॉलम बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ