---

重命名軸索引

rename(
self,
mapper: Optional[Renamer] = None,
*,
index: Optional[Renamer] = None,
columns: Optional[Renamer] = None,
axis: Optional[Axis] = None,
copy: bool = True,
inplace: bool = False,
level: Optional[Level] = None,
errors: str = “ignore”,
)

上述方法中常用參數表示的含義如下：

1. index，columns：表示帶轉換的行索引和列索引
2. axis：表示軸的名稱，可以使用index或columns，也可以使用數字0或1
3. copy：表示是否復制底層的數據，默認為False
4. inplace：默認為False，表示是否返回新的Pandas對象。如果設為True，則會忽略復制的值。
5. level：表示級別名稱，默認為None。對于多級索引，只重命名指定的標簽。

---

代碼：

df = pd.DataFrame({'A': ['1', '2', '4'],'B': ['9', '-80', '5.3'],'C': ['x', '5.9', '0']})
print("df:\n", df)
print("df.rename:\n", df.rename(columns={'A': 'a', 'B': 'b', 'C': 'c'}))

輸出結果：

df:A    B    C
0  1    9    x
1  2  -80  5.9
2  4  5.3    0
df.rename:a    b    c
0  1    9    x
1  2  -80  5.9
2  4  5.3    0

---

以上也可以根據str中提供的使字符串變成小寫的功能函數lower()來重命名索引的名稱，無需再使用字典逐個進行替換。

代碼：

print("df.rename(str.lower, axis=1):\n", df.rename(str.lower, axis=1))

輸出結果：

df.rename(str.lower, axis=1):a    b    c
0  1    9    x
1  2  -80  5.9
2  4  5.3    0

---

也可以對行索引進行重命名

代碼：

print("df.rename(index={1: 'a'}):\n", df.rename(index={1: 'a'}))

輸出結果：

df.rename(index={1: 'a'}):A    B    C
0  1    9    x
a  2  -80  5.9
2  4  5.3    0

---

離散化連續數據

cut(
x,
bins,
right: bool = True,
labels=None,
retbins: bool = False,
precision: int = 3,
include_lowest: bool = False,
duplicates: str = “raise”,
)

上述函數中常用參數表示的含義如下：

1. x：表示要分箱的數組，必須是一維的
2. bins：接收int和序列類型的數據。如果傳入的是int類型的值，則表示在x范圍內的等寬單元的數量（劃分為多少個等間距區間）；如果傳入的是一個序列，則表示將x劃分在指定的序列中，若不在此序列中，則為NaN。
3. right：是否包含右端點，決定區間的開閉，默認為True
4. labels：用于生成區間的標簽
5. retbins：是否返回bin
6. precision：精度，默認保留三位小數
7. include_lowest：是否包含左端點

cut()會返回一個Catagorical對象，我們可以將其看作一組表示面元名稱的字符串，它包含了分組的數量以及不同分類的名稱。

---

代碼：

ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 32]
bins = [0, 18, 25, 35, 60, 100]
print("pd.cut(ages, bins):\n", pd.cut(ages, bins))

輸出結果：

pd.cut(ages, bins):[(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (35, 60], (25, 35], (60, 100], (35, 60], (25, 35]]Length: 11
Categories (5, interval[int64]): [(0, 18] < (18, 25] < (25, 35] < (35, 60] < (60, 100]]

---

Catagorical對象中的區間范圍默認設置為左開右閉區間，如果希望設置左閉右開區間，則可以在調用cut()函數時傳入right=False進行修改。

測試對象：

df = pd.DataFrame({'A': ['1', '2', '4'],'B': ['9', '-80', '5.3'],'C': ['x', '5.9', '0']})

代碼：

print("pd.cut(df['B']):\n", 
pd.cut(df['B'].astype(dtype='float'), bins, right=False))

輸出結果：

pd.cut(df['B']):0    [0.0, 18.0)
1            NaN
2    [0.0, 18.0)
Name: B, dtype: category
Categories (5, interval[int64]): [[0, 18) < [18, 25) < [25, 35) < [35, 60) < [60, 100)]

---

啞變量處理類別型數據

啞變量又稱虛擬變量、名義變量，從名稱上看就知道，它是人為虛設的變量，用來反映某個變量的不同類別。使用啞變量處理類別轉換，事實上就是將分類變量轉換為啞變量矩陣或指標矩陣，矩陣的值通常用“0”或“1”表示。

在Pandas中，可以使用get_dummies()函數對類別特征進行啞變量處理。

get_dummies(
data,
prefix=None,
prefix_sep="_",
dummy_na=False,
columns=None,
sparse=False,
drop_first=False,
dtype=None,
)

上述函數中常用參數表示的含義如下：

1. data：可接受數組、DataFrame或Series對象，表示啞變量處理的數據
2. prefix：表示列名的前綴，默認為None
3. prefix_sep：用于附加前綴作為分隔符使用，默認為“_”
4. dummy_na：表示是否為NaN值添加一列，默認為False
5. columns：表示DataFrame要編碼的列名，默認為None
6. sparse：表示虛擬列是否是稀疏的，默認為False
7. drop_first：是否通過從k個分級類別中刪除第一個級來獲得k-1個分類級別，默認為False

---

測試對象：

df = pd.DataFrame({'A': ['1', '2', '4'],'B': ['9', '-80', '5.3'],'C': ['x', '5.9', '0']})

代碼：

test1 = df['B'].astype(dtype='float')
print(pd.get_dummies(test1, prefix='col', prefix_sep='_'))

輸出結果：

   col_-80.0  col_5.3  col_9.0
0          0        0        1
1          1        0        0
2          0        1        0