Weil ich die Möglichkeit hatte, Daten zu analysieren, obwohl ich ein Anfänger war Daher werde ich die grammatikalischen Elemente des neu erhaltenen Python DataFrame zusammenfassen.
product.csv
| id | name | price | category | isPopular |
|---|---|---|---|---|
| 1 | eraser | 100 | stationary | 1 |
| 2 | pencil | 200 | stationary | 0 |
| 3 | socks | 400 | clothes | 1 |
| 4 | pants | 1000 | clothes | 0 |
| 5 | apple | 100 | food | 0 |
analyze.py
import pandas as pd
df['category'].value_counts().index
Ausführungsergebnis
Index(['stationery', 'clothes', 'food'], dtype='object')
df.loc[df.name == 'socks', 'price'] = 500
df.loc[df.category == 'stationery', 'category_id'] = 0
df.loc[df.category == 'clothes', 'category_id'] = 1
df.loc[df.category == 'food', 'category_id'] = 2
df
Ausführungsergebnis
| id | name | price | category | isPopular | category_id |
|---|---|---|---|---|---|
| 1 | eraser | 100 | stationary | 1 | 0.0 |
| 2 | pencil | 200 | stationary | 0 | 0.0 |
| 3 | socks | 500 | clothes | 1 | 1.0 |
| 4 | pants | 1000 | clothes | 0 | 1.0 |
| 5 | apple | 100 | food | 0 | 2.0 |
#Spalte isPopular und Kategorie_Nur ID extrahieren (es funktioniert nur, wenn es sich um einen ganzzahligen Wert handelt)
df_X = df.drop(['id','name','price','category'], axis=1)
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder()
enc.fit(df_X)
onehot_array = enc.transform(df_X).toarray()
onehot_df = pd.DataFrame(onehot_array)
df = pd.concat([df_id, onehot_df], axis=1)
df
Ausführungsergebnis
| id | 0 | 1 | 2 | 3 | 4 |
|---|---|---|---|---|---|
| 1 | 0.0 | 1.0 | 1.0 | 0.0 | 0.0 |
| 2 | 1.0 | 0.0 | 1.0 | 0.0 | 0.0 |
| 3 | 0.0 | 1.0 | 0.0 | 1.0 | 0.0 |
| 4 | 1.0 | 0.0 | 0.0 | 1.0 | 0.0 |
| 5 | 1.0 | 0.0 | 0.0 | 0.0 | 1.0 |
Recommended Posts