重新對映類別
為了更了解 airlines 問卷回覆，你想找出特定回覆與一週中的星期幾，以及在登機門等待時間之間是否有關聯。
airlines DataFrame 含有 day 與 wait_min 欄位，分別為類別與數值型。day 紀錄實際飛行發生的星期幾，wait_min 紀錄旅客在登機門等待的分鐘數。為了讓分析更容易，你想建立兩個新的類別變數：
wait_type：0–60 分為'short'，60–180 分為'medium'，180 分以上為longday_week：若為平日則為'weekday'，若為週末則為'weekend'。
已匯入 pandas 與 numpy 套件並分別命名為 pd 與 np。來建立一些新的類別資料吧！
本練習屬於課程
用 Python 進行資料清理
練習說明
- 依說明為
wait_type欄位建立分割範圍與標籤。 - 使用
pd.cut()從wait_min建立wait_type欄位，並在對應參數中傳入label_ranges與label_names。 - 建立
mapping字典，將平日對應到'weekday'、週末對應到'weekend'。 - 使用
.replace()建立day_week欄位。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)