始める無料で始める

カテゴリの再マッピング

airlines の調査回答者をより深く理解するために、特定の回答と曜日・搭乗口での待ち時間の関係を調べましょう。

airlines DataFrame には、カテゴリ型の day 列と数値型の wait_min 列が含まれています。day 列にはフライトが実際に行われた曜日、wait_min には旅客が搭乗口で待った時間（分）が格納されています。分析をしやすくするために、次の2つの新しいカテゴリ変数を作成します。

  • wait_type: 0〜60分を 'short'、60〜180分を 'medium'、180分以上を long
  • day_week: 平日であれば 'weekday'、休日であれば 'weekend'

pandas と numpy はそれぞれ pd、np としてインポート済みです。新しいカテゴリデータを作成しましょう！

この演習はコースの一部です

Pythonによるデータクリーニング

コースを見る

演習の手順

  • 説明で言及されているwait_type列の範囲とラベルを作成します。
  • wait_typeを用いてwait_minからpd.cut()列を作成し、正しい引数にlabel_rangesとlabel_namesを入力する。
  • mapping辞書を作成し、平日を'weekday'、週末を'weekend'にマッピングする。
  • day_weekを使って.replace()列を作成します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)
コードを編集して実行