- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个 DataFrame
df
一列,category
使用以下代码创建:
import pandas as pd
import random as rand
from string import ascii_uppercase
rand.seed(1010)
df = pd.DataFrame()
values = list()
for i in range(0,1000):
category = (''.join(rand.choice(ascii_uppercase) for i in range(1)))
values.append(category)
df['category'] = values
每个值的频率计数为:
df['category'].value_counts()
Out[95]:
P 54
B 50
T 48
V 46
I 46
R 45
F 43
K 43
U 41
C 40
W 39
E 39
J 39
X 37
M 37
Q 35
Y 35
Z 34
O 33
D 33
H 32
G 32
L 31
N 31
S 29
我想在 df['category']
列中创建一个名为“other”的新值,并分配 df['category']
的所有值value_count
小于 35
。
有人可以帮我解决这个问题吗?
如果你还需要我,请告诉我
编辑 @EdChum 提出的解决方案
import pandas as pd
import random as rand
from string import ascii_uppercase
rand.seed(1010)
df = pd.DataFrame()
values = list()
for i in range(0,1000):
category = (''.join(rand.choice(ascii_uppercase) for i in range(1)))
values.append(category)
df['category'] = values
df['category'].value_counts()
df.loc[df['category'].isin((df['category'].value_counts([df['category'].value_counts() < 35]).index), 'category'] = 'other'
File "<stdin>", line 1
df.loc[df['category'].isin((df['category'].value_counts()[df['category'].value_counts() < 35]).index), 'category'] = 'other'
^
SyntaxError: invalid syntax
请注意,我在 Spyder IDE 上使用 Python 2.7(我在 iPython 和 Python 控制台窗口中尝试了建议的解决方案)
最佳答案
您可以使用 value_counts
生成 bool 掩码来屏蔽值,然后使用 loc
将它们设置为“其他”:
In [71]:
df.loc[df['category'].isin((df['category'].value_counts()[df['category'].value_counts() < 35]).index), 'category'] = 'other'
df
Out[71]:
category
0 other
1 other
2 A
3 V
4 U
5 D
6 T
7 G
8 S
9 H
10 other
11 other
12 other
13 other
14 S
15 D
16 B
17 P
18 B
19 other
20 other
21 F
22 H
23 G
24 P
25 other
26 M
27 V
28 T
29 A
.. ...
970 E
971 D
972 other
973 P
974 V
975 S
976 E
977 other
978 H
979 V
980 O
981 other
982 O
983 Z
984 other
985 P
986 P
987 other
988 O
989 other
990 P
991 X
992 E
993 V
994 B
995 P
996 B
997 P
998 Q
999 X
[1000 rows x 1 columns]
分解以上内容:
In [74]:
df['category'].value_counts() < 35
Out[74]:
W False
B False
C False
V False
H False
P False
T False
R False
U False
K False
E False
Y False
M False
F False
O False
A False
D False
Q False
N True
J True
S True
G True
Z True
I True
X True
L True
Name: category, dtype: bool
In [76]:
df['category'].value_counts()[df['category'].value_counts() < 35]
Out[76]:
N 34
J 33
S 33
G 33
Z 32
I 31
X 31
L 30
Name: category, dtype: int64
然后我们可以对 .index
值使用 isin
并将行设置为“其他”
关于python - 在分类列中有条件地创建一个 "Other"类别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35041628/
我正在尝试使用 Pandas 和 scikit-learn 在 Python 中执行分类。我的数据集包含文本变量、数值变量和分类变量的混合。 假设我的数据集如下所示: Project Cost
我想要一种图形化且有吸引力的方式来表示二进制数据的列总和,而不是表格格式。我似乎无法让它发挥作用,尽管有人会认为这将是一次上篮。 数据看起来像这样(我尝试创建一个可重现的示例,但无法让代码填充 0 和
我有一个简单的类别模型: class Category(models.Model): name = models.CharField(max_length=200) slug = mo
我正在开发一个知识系统,当用户进入一道菜时,该系统可以返回酒。我的想法是根据用户的输入为每个葡萄酒类别添加分数,然后显示最适合的葡萄酒类别的前 3 个。例如,如果有人输入鱼,那么知识库中的所有红葡萄酒
我目前正在研究流失问题的预测模型。 每当我尝试运行以下模型时,都会收到此错误:至少一个类级别不是有效的 R 变量名称。这将在生成类概率时导致错误,因为变量名称将转换为 X0、X1。请使用可用作有效 R
如何对栅格重新分类(子集)r1 (与 r2 具有相同的尺寸和范围)基于 r2 中的以下条件在给定的示例中。 条件: 如果网格单元格值为 r2是 >0.5 ,保留>0.5中对应的值以及紧邻0.5个值的相
我想知道在 java 中进行以下分类的最佳方法是什么。例如,我们有一个简单的应用程序,其分类如下: 空气 -----电机类型 -----------平面对象 -----非电机型 -----------
这是一个非常基本的示例。但我正在做一些数据分析,并且不断发现自己编写非常类似的 SQL 计数查询来生成概率表。 我的表被定义为值 0 表示事件未发生,而值 1 表示事件确实发生。 > sqldf(
假设我有一组护照图像。我正在开展一个项目,我必须识别每本护照上的姓名,并最终将该对象转换为文本。 对于标签(或分类(我认为是初学者))的第一部分,每本护照上都有姓名,我该怎么做? 我可以使用哪些技术/
我有这张图片: 我想做的是在花和树之间对这张图片进行分类,这样我就可以找到图片中被树木覆盖的区域,以及被那些花覆盖的区域。 我在想这可能是某种 FFT 问题,但我不确定它是如何工作的。单个花的 FFT
我的数据集有 32 个分类变量和一个数值连续变量(sales_volume) 首先,我使用单热编码 (pd.get_dummies) 将分类变量转换为二进制,现在我有 1294 列,因为每一列都有多个
我正在尝试学习一些神经网络来获得乐趣。我决定尝试从 kaggle 的数据集中对一些神奇宝贝传奇卡进行分类。我阅读了文档并遵循了机器学习掌握指南,同时阅读了媒体以尝试理解该过程。 我的问题/疑问:我尝试
我目前正在进行推文情绪分析,并且有几个关于步骤的正确顺序的问题。请假设数据已经过相应的预处理和准备。所以这就是我将如何进行: 使用 train_test_split(80:20 比例)停止测试数据集。
一些上下文:Working with text classification and big sparse matrices in R 我一直在研究 text2vec 的文本多类分类问题。包装和 ca
数据 我有以下(简化的)数据集,我们称之为 df从现在开始: species rank value 1
我一直在尝试创建一个 RNN。我总共有一个包含 1661 个单独“条目”的数据集,每个条目中有 158 个时间序列坐标。 以下是一个条目的一小部分: 0.00000000e+00 1.9260968
我有一个关于机器学习的分类和回归问题。第一个问题,以下数据集 http://it.tinypic.com/view.php?pic=oh3gj7&s=8#.VIjhRDGG_lF 我们可以说,数据集是
我用1~200个数据作为训练数据,201~220个作为测试数据格式如下:3 个类(类 1、类 2、类 3)和 20 个特征 2 1:100 2:96 3:88 4:94 5:96 6:94 7:72
我有 2 个基于多个数字特征(例如 v1….v20)的输出类别(好和差)。 如果 v1、v2、v3 和 v4 为“高”,则该类别为“差”。如果 v1、v2、v3 和 v4 为“低”,则该类别为“好”
我遇到了使用朴素贝叶斯将文档分类为各种类别问题的问题。 实际上我想知道 P(C) 或我们最初掌握的类别的先验概率会随着时间的推移而不断变化。例如,对于类(class) - [音乐、体育、新闻] 初始概
我是一名优秀的程序员,十分优秀!