เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแมปหมวดหมู่ใหม่

เพื่อทำความเข้าใจผู้ตอบแบบสำรวจใน airlines ให้ดียิ่งขึ้น คุณต้องการตรวจสอบว่ามีความสัมพันธ์ระหว่างคำตอบบางอย่างกับวันในสัปดาห์และเวลารอที่ประตูขึ้นเครื่องหรือไม่

DataFrame airlines มีคอลัมน์ day และ wait_min ซึ่งเป็นข้อมูลประเภท categorical และ numerical ตามลำดับ คอลัมน์ day บันทึกวันที่เที่ยวบินออกเดินทาง ส่วน wait_min บันทึกจำนวนนาทีที่ผู้โดยสารรอที่ประตูขึ้นเครื่อง เพื่อให้การวิเคราะห์ทำได้ง่ายขึ้น จะสร้างตัวแปร categorical ใหม่ 2 ตัว ดังนี้

  • wait_type: 'short' สำหรับ 0-60 นาที, 'medium' สำหรับ 60-180 นาที และ long สำหรับ 180 นาทีขึ้นไป
  • day_week: 'weekday' หากวันนั้นเป็นวันทำการ, 'weekend' หากเป็นวันหยุดสุดสัปดาห์

ได้นำเข้าแพ็กเกจ pandas และ numpy เป็น pd และ np แล้ว มาสร้างข้อมูล categorical ใหม่กันเลย!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การทำความสะอาดข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างช่วงและป้ายกำกับสำหรับคอลัมน์ wait_type ตามที่ระบุไว้ในคำอธิบาย
  • สร้างคอลัมน์ wait_type จาก wait_min โดยใช้ pd.cut() พร้อมระบุ label_ranges และ label_names ในอาร์กิวเมนต์ที่ถูกต้อง
  • สร้าง dictionary ชื่อ mapping เพื่อแมปวันทำการไปยัง 'weekday' และวันหยุดสุดสัปดาห์ไปยัง 'weekend'
  • สร้างคอลัมน์ day_week โดยใช้ .replace()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด