8. 当多个变量被存储为列名时进行清理

  1. #  读取weightlifting数据集
  2.  In[57]:weightlifting = pd.read_csv('data/weightlifting_men.csv')
  3.         weightlifting
  4. out[57]:

8. 当多个变量被存储为列名时进行清理 - 图1

  1. #  用melt方法，将sex_age放入一个单独的列
  2.  In[58]:wl_melt = weightlifting.melt(id_vars='Weight Category', 
  3.                                      var_name='sex_age', 
  4.                                      value_name='Qual Total')
  5.         wl_melt.head()
  6. out[58]:

8. 当多个变量被存储为列名时进行清理 - 图2

  1. #  用split方法将sex_age列分为两列
  2.  In[59]:sex_age = wl_melt['sex_age'].str.split(expand=True)
  3.         sex_age.head()
  4. out[59]:      0         1
  5.       0     M35     35-39
  6.       1     M35     35-39
  7.       2     M35     35-39
  8.       3     M35     35-39
  9.       4     M35     35-39
  1. #  给列起名
  2.  In[60]:sex_age.columns = ['Sex', 'Age Group']
  3.         sex_age.head()
  4. out[60]:

8. 当多个变量被存储为列名时进行清理 - 图3

  1. #  只取出字符串中的M
  2.  In[61]:sex_age['Sex'] = sex_age['Sex'].str[0]
  3.         sex_age.head()
  4. out[61]:

8. 当多个变量被存储为列名时进行清理 - 图4

  1. #  用concat方法，将sex_age,与wl_cat_total连接起来
  2.  In[62]:wl_cat_total = wl_melt[['Weight Category', 'Qual Total']]
  3.         wl_tidy = pd.concat([sex_age, wl_cat_total], axis='columns')
  4.         wl_tidy.head()
  5. out[62]:

8. 当多个变量被存储为列名时进行清理 - 图5

  1. #  上面的结果也可以如下实现
  2.  In[63]:cols = ['Weight Category', 'Qual Total']
  3.         sex_age[cols] = wl_melt[cols]

更多

  1. #  也可以通过assign的方法，动态加载新的列
  2.  In[64]: age_group = wl_melt.sex_age.str.extract('(\d{2}[-+](?:\d{2})?)', expand=False)
  3.          sex = wl_melt.sex_age.str[0]
  4.          new_cols = {'Sex':sex, 
  5.                      'Age Group': age_group}
  6.  In[65]: wl_tidy2 = wl_melt.assign(**new_cols).drop('sex_age', axis='columns')
  7.          wl_tidy2.head()
  8. out[65]:

8. 当多个变量被存储为列名时进行清理 - 图6

  1. #  判断两种方法是否等效
  2.  In[66]: wl_tidy2.sort_index(axis=1).equals(wl_tidy.sort_index(axis=1))
  3. out[66]: True