categorical-data

1зной

1ответ

Закрепление подобные (но не равные) строк и подсчета отличающуюся категориальной переменной в R

У меня есть следующие следующего кадра данных («mydf»): ID Type Count Mark U1 A 50 R1 U1 A 50 R3 U1 A 50 R4 U1 A 50 R3 U2 B 24 R2 U2 B 24 R5 U3 A 88 R1 Каждая строка соде

2зной

1ответ

перезапись Значение в Dataframe с проверкой линии перед тем

Так DataFrame является: 1 28.3 2 27.9 3 22.4 4 18.1 5 15.5 6 7.1 7 5.1 8 12.0 9 15.1 10 10.1 Теперь я хочу, чтобы заменить все по 25 с HSE и все ниже с LSE. Все остальное - "Middle". Но я х

0зной

1ответ

Корреляция для нескольких категориальных переменных tableau

Вопрос обновлен !! У меня есть 15 столбцов категориальных переменных, и я хочу корреляцию между ними. Набор данных в длину и 20000 набор данных выглядит следующим образом: state | job | hair_color | c

0зной

1ответ

Как выбрать категориальный индекс сгруппированных данных с помощью Pandas

Я пытаюсь выбрать данные из сгруппированного категориального индекса и не могу выбрать по группе. Данные были собраны с использованием pd.cut в ящиках 60. Конечной целью является выбор диапазона индек

2зной

2ответ

новообращенного серии для DataFrame

Я создал dataframe «х» Я хотел создать еще один dataframe у, состоящий из значений функции «wheat_type» от dataframe х так я выполнил код y=X.loc[:, 'wheat_type'] , когда я побежал следующую команду

1зной

1ответ

Как иметь catagorical переменного фактора в питоне

age income student credit_rating Class_buys_computer 0 youth high no fair no 1 youth high no excellent no 2 middle_aged high no fair yes 3 senior medium no fair yes 4 senior low yes fair yes

1зной

1ответ

Как справиться с этой логикой в pandas

У меня есть фрейм данных, как показано ниже. coutry flag 0 China red 1 Russia green 2 China yellow 3 Britain yellow 4 Russia green ...................... В df ['country'] вы можете увиде

1зной

2ответ

ggplot частично признает категориальную информацию о времени в geom_ribbon

Я пытаюсь построить повседневную деятельность человека (нерабочее время, на работе или вождение) по отношению к его физиологическому статусу (обозначенному как «Code_response») со временем. Я использу

1зной

1ответ

Биннинга по значению, за исключением последнего бункера

Я пытаюсь данные бин следующим образом: pd.cut(df['col'], np.arange(0,1.2, 0.2),include_lowest=True)) Но я хотел бы, чтобы гарантировать, что любые данные больше 1, также включены в этом последнем б