文江博客开发文档利用 Python 进行数据分析 2017 第二版中文翻译笔记文章详情

文章来源于网络收集而来，版权归原创者所有，如有侵权请及时联系！

7.2 Data Transformation 数据变换

发布于 2023-07-21 00:37:00 字数 32167 浏览 0 评论 0 收藏 0

1 删除重复值

import pandas as pd
import numpy as np

data = pd.DataFrame({'k1': ['one', 'two'] * 3 + ['two'],
                     'k2': [1, 1, 2, 3, 3, 4, 4]})
data

	k1	k2
0	one	1
1	two	1
2	one	2
3	two	3
4	one	3
5	two	4
6	two	4

DataFrame 方法 duplicated 返回的是一个 boolean Series，表示一个 row 是否是重复的（根据前一行来判断）：

data.duplicated()

0    False
1    False
2    False
3    False
4    False
5    False
6     True
dtype: bool

drop_duplicateds 返回一个 DataFrame，会删除重复的部分：

data.drop_duplicates()

	k1	k2
0	one	1
1	two	1
2	one	2
3	two	3
4	one	3
5	two	4

上面两种方法都默认考虑所有列；另外，我们可以指定一部分来检测重复值。假设我们只想检测'k1'列的重复值：

data['v1'] = range(7)
data

	k1	k2	v1
0	one	1	0
1	two	1	1
2	one	2	2
3	two	3	3
4	one	3	4
5	two	4	5
6	two	4	6

data.drop_duplicates(['k1'])

	k1	k2	v1
0	one	1	0
1	two	1	1

duplicated 和 drop_duplicated 默认保留第一次观测到的数值组合。设置 keep='last' 能返回最后一个：

data.drop_duplicates(['k1', 'k2'], keep='last')

	k1	k2	v1
0	one	1	0
1	two	1	1
2	one	2	2
3	two	3	3
4	one	3	4
6	two	4	6

2 Transforming Data Using a Function or Mapping（用函数和映射来转换数据）

有时候我们可能希望做一些数据转换。比如下面一个例子，有不同种类的肉：

data = pd.DataFrame({'food': ['bacon', 'pulled pork', 'bacon',
                              'Pastrami', 'corned beef', 'Bacon',
                              'pastrami', 'honey ham', 'nova lox'],
                     'ounces': [4, 3, 12, 6, 7.5, 8, 3, 5, 6]})
data

	food	ounces
0	bacon	4.0
1	pulled pork	3.0
2	bacon	12.0
3	Pastrami	6.0
4	corned beef	7.5
5	Bacon	8.0
6	pastrami	3.0
7	honey ham	5.0
8	nova lox	6.0

假设你想加一列，表明每种肉来源的动物是什么。我们可以写一个映射：

meat_to_animal = {
    'bacon': 'pig',
    'pulled pork': 'pig',
    'pastrami': 'cow',
    'corned beef': 'cow',
    'honey ham': 'pig',
    'nova lox': 'salmon'
}

用于 series 的 map 方法接受一个函数，或是一个字典，包含着映射关系，但这里有一个小问题，有些肉是大写，有些是小写。因此，我们先用 str.lower 把所有的值变为小写:

lowercased = data['food'].str.lower()
lowercased

0          bacon
1    pulled pork
2          bacon
3       pastrami
4    corned beef
5          bacon
6       pastrami
7      honey ham
8       nova lox
Name: food, dtype: object

data['animal'] = lowercased.map(meat_to_animal)
data

	food	ounces	animal
0	bacon	4.0	pig
1	pulled pork	3.0	pig
2	bacon	12.0	pig
3	Pastrami	6.0	cow
4	corned beef	7.5	cow
5	Bacon	8.0	pig
6	pastrami	3.0	cow
7	honey ham	5.0	pig
8	nova lox	6.0	salmon

我们也可以用一个函数解决上面的问题：

data['food'].map(lambda x: meat_to_animal[x.lower()])

0       pig
1       pig
2       pig
3       cow
4       cow
5       pig
6       cow
7       pig
8    salmon
Name: food, dtype: object

使用 map 是一个很简便的方法，用于 element-wise 转换和其他一些数据清洗操作。

3 Replacing Values（替换值）

其实 fillna 是一个特殊换的替换操作。map 可以用于修改一个 object 里的部分值，但是 replace 能提供一个更简单和更灵活的方法做到这点。下面是一个 series：

data = pd.Series([1., -999., 2., -999., -1000., 3.])
data

0       1.0
1    -999.0
2       2.0
3    -999.0
4   -1000.0
5       3.0
dtype: float64

这里-999 可能是用来表示缺失值的标识符。用 NA 来替代的话，用 replace，会产生一个新 series（除非使用 inplace=True）:

data.replace(-999, np.nan)

0       1.0
1       NaN
2       2.0
3       NaN
4   -1000.0
5       3.0
dtype: float64

如果想要一次替换多个值，直接用一个 list 即可：

data.replace([-999, -1000], np.nan)

0    1.0
1    NaN
2    2.0
3    NaN
4    NaN
5    3.0
dtype: float64

对于不同的值用不同的替换值，也是导入一个 list：

data.replace([-999, -1000], [np.nan, 0])

0    1.0
1    NaN
2    2.0
3    NaN
4    0.0
5    3.0
dtype: float64

参数也可以是一个 dict：

data.replace({-999: np.nan, -1000: 0})

0    1.0
1    NaN
2    2.0
3    NaN
4    0.0
5    3.0
dtype: float64

注意：data.replace 方法和 data.str.replace 方法是不同的，后者会对 string 进行 element-wise 替换。

4 Renaming Axis Indexes（重命名 Axis Indexes）

像是 series 里的 value 一样，axis label 也能类似地是函数或映射来转换，产生一个新的 object。当然也可以设置 in-place 不产生新的数据：

data = pd.DataFrame(np.arange(12).reshape((3, 4)),
                    index=['Ohio', 'Colorado', 'New York'],
                    columns=['one', 'two', 'three', 'four'])
data

	one	two	three	four
Ohio	0	1	2	3
Colorado	4	5	6	7
New York	8	9	10	11

与 series 相同，axis index 有一个 map 方法：

transform = lambda x: x[:4].upper()
transform

<function __main__.<lambda>>

data.index

Index(['Ohio', 'Colorado', 'New York'], dtype='object')

data.index.map(transform)

array(['OHIO', 'COLO', 'NEW '], dtype=object)

可以赋值给 index，以 in-place 的方式修改 DataFrame：

data.index = data.index.map(transform)
data

	one	two	three	four
OHIO	0	1	2	3
COLO	4	5	6	7
NEW	8	9	10	11

如果你想要创建一个转换后的版本，而且不用修改原始的数据，可以用 rename:

data.rename(index=str.title, columns=str.upper)

	ONE	TWO	THREE	FOUR
Ohio	0	1	2	3
Colo	4	5	6	7
New	8	9	10	11

注意，rename 能用于 dict 一样的 oject，

data.rename(index={'OHIO': 'INDIANA'},
            columns={'three': 'pekaboo'})

	one	two	pekaboo	four
INDIANA	0	1	2	3
COLO	4	5	6	7
NEW	8	9	10	11

rename 能让你避免陷入手动赋值给 index 和 columns 的杂务中。可以用 inplace 直接修改原始数据：

data.rename(index={'OHIO': 'INDIANA'}, inplace=True)
data

	one	two	three	four
INDIANA	0	1	2	3
COLO	4	5	6	7
NEW	8	9	10	11

5 Discretization and Binning（离散化和装箱）

连续型数据经常被离散化或分散成 bins（分箱）来分析。假设你有一组数据，你想把人分到不同的年龄组里：

ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]

我们把这些分到四个 bin 里，19~25, 26~35, 36~60, >60。可以用 pandas 里的 cut：

bins = [18, 25, 35, 60, 100]

cats = pd.cut(ages, bins)

cats

[(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60], (35, 60], (25, 35]]
Length: 12
Categories (4, object): [(18, 25] < (25, 35] < (35, 60] < (60, 100]]

返回的是一个特殊的 Categorical object。我们看到的结果描述了 pandas.cut 如何得到 bins。可以看作是一个 string 数组用来表示 bin 的名字，它内部包含了一个 categories 数组，用来记录不同类别的名字，并伴有表示 ages 的 label（可以通过 codes 属性查看）：

cats.codes

array([0, 0, 0, 1, 0, 0, 2, 1, 3, 2, 2, 1], dtype=int8)

cats.categories

Index(['(18, 25]', '(25, 35]', '(35, 60]', '(60, 100]'], dtype='object')

pd.value_counts(cats)

(18, 25]     5
(35, 60]     3
(25, 35]     3
(60, 100]    1
dtype: int64

这里 pd.value_counts(cats)是 pandas.cut 后 bin 的数量。

这里我们注意一下区间。括号表示不包含，方括号表示包含。你可以自己设定哪一边关闭（right=False）:

pd.cut(ages, [18, 26, 36, 61, 100], right=False)

[[18, 26), [18, 26), [18, 26), [26, 36), [18, 26), ..., [26, 36), [61, 100), [36, 61), [36, 61), [26, 36)]
Length: 12
Categories (4, object): [[18, 26) < [26, 36) < [36, 61) < [61, 100)]

你也可以用一个 list 或数组给 labels 选项来设定 bin 的名字：

group_names = ['Youth', 'YoungAdult', 'MiddleAged', 'Senior']

pd.cut(ages, bins, labels=group_names)

[Youth, Youth, Youth, YoungAdult, Youth, ..., YoungAdult, Senior, MiddleAged, MiddleAged, YoungAdult]
Length: 12
Categories (4, object): [Youth < YoungAdult < MiddleAged < Senior]

如果你只是给一个 bins 的数量来 cut，而不是自己设定每个 bind 的范围，cut 会根据最大值和最小值来计算等长的 bins。比如下面我们想要做一个均匀分布的四个 bins：

data = np.random.rand(20)

pd.cut(data, 4, precision=2)

[(0.77, 0.98], (0.33, 0.55], (0.77, 0.98], (0.55, 0.77], (0.55, 0.77], ..., (0.77, 0.98], (0.11, 0.33], (0.11, 0.33], (0.33, 0.55], (0.11, 0.33]]
Length: 20
Categories (4, object): [(0.11, 0.33] < (0.33, 0.55] < (0.55, 0.77] < (0.77, 0.98]]

precision=2 选项表示精确到小数点后两位。

一个近似的函数，qcut，会按照数据的分位数来分箱。取决于数据的分布，用 cut 通常不能保证每一个 bin 有一个相同数量的数据点。而 qcut 是按百分比来切的，所以可以得到等数量的 bins：

data = np.random.randn(1000) # Normally distributed

cats = pd.qcut(data, 4) # Cut into quartiles
cats

[(-0.717, -0.0981], (-0.717, -0.0981], (-0.0981, 0.639], (0.639, 3.434], [-2.86, -0.717], ..., (-0.0981, 0.639], (-0.717, -0.0981], (-0.0981, 0.639], (0.639, 3.434], (-0.0981, 0.639]]
Length: 1000
Categories (4, object): [[-2.86, -0.717] < (-0.717, -0.0981] < (-0.0981, 0.639] < (0.639, 3.434]]

pd.value_counts(cats)

(0.639, 3.434]       250
(-0.0981, 0.639]     250
(-0.717, -0.0981]    250
[-2.86, -0.717]      250
dtype: int64

类似的，在 cut 中我们可以自己指定百分比：

cats2 = pd.cut(data, [0, 0.1, 0.5, 0.9, 1.]) # 累进的百分比
cats2

[NaN, NaN, (0.1, 0.5], NaN, NaN, ..., (0.1, 0.5], NaN, (0.5, 0.9], NaN, (0.5, 0.9]]
Length: 1000
Categories (4, object): [(0, 0.1] < (0.1, 0.5] < (0.5, 0.9] < (0.9, 1]]

pd.value_counts(cats2)

(0.1, 0.5]    135
(0.5, 0.9]    124
(0, 0.1]       40
(0.9, 1]       21
dtype: int64

在之后的章节我们还会用到 cut 和 qcut，这些离散函数对于量化和群聚分析很有用。

6 Detecting and Filtering Outliers（检测和过滤异常值）

过滤或转换异常值是数组操作的一个重头戏。下面的 DataFrame 有正态分布的数据：

data = pd.DataFrame(np.random.randn(1000, 4))
data.describe()

	0	1	2	3
count	1000.000000	1000.000000	1000.000000	1000.000000
mean	0.010953	0.012928	0.033165	-0.031257
std	1.011621	1.013341	1.004356	0.996333
min	-2.994342	-4.328036	-3.303616	-3.133495
25%	-0.654483	-0.662177	-0.644982	-0.670813
50%	-0.000637	-0.033241	0.050481	-0.074641
75%	0.723100	0.725839	0.708452	0.643418
max	3.318499	3.353001	3.002853	3.002868

假设我们想要找一个列中，绝对值大于 3 的数字：

data.head()

	0	1	2	3
0	1.123766	0.933920	0.494755	0.690507
1	2.513636	0.575393	-0.323590	0.586833
2	-0.335958	-0.843735	0.302201	-0.490675
3	-1.307658	-0.485670	1.612787	0.210169
4	-0.793757	-0.693757	-1.718367	0.515088

col = data[2]
col.head()

0    0.494755
1   -0.323590
2    0.302201
3    1.612787
4   -1.718367
Name: 2, dtype: float64

col[np.abs(col) > 3]

339   -3.303616
932    3.002853
Name: 2, dtype: float64

选中所有绝对值大于 3 的行，可以用 any 方法在一个 boolean DataFrame 上：

data[(np.abs(data) > 3)].head()

	0	1	2	3
0	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN
2	NaN	NaN	NaN	NaN
3	NaN	NaN	NaN	NaN
4	NaN	NaN	NaN	NaN

data[(np.abs(data) > 3).any(1)] # any 中 axis=1 表示 column

	0	1	2	3
22	1.075728	0.250000	0.951303	-3.133495
155	0.064837	-4.328036	1.121061	-0.574203
224	-0.289148	-2.912116	0.332218	-3.129604
339	-0.098352	-0.610929	-3.303616	-2.072304
609	0.983240	1.372633	0.018172	3.002868
735	3.318499	-2.573122	-1.515901	-1.204596
822	1.810396	3.353001	-1.283856	-1.166749
856	-0.795070	3.204789	-0.211642	1.278828
932	0.898147	-0.961850	3.002853	-0.128494

下面是把绝对值大于 3 的数字直接变成-3 或 3：

data[np.abs(data) > 3] = np.sign(data) * 3

data[21:23]

	0	1	2	3
21	-0.066111	-1.159064	0.518720	-0.284596
22	1.075728	0.250000	0.951303	-3.000000

data.describe()

	0	1	2	3
count	1000.000000	1000.000000	1000.000000	1000.000000
mean	0.010634	0.013698	0.033466	-0.030997
std	1.010629	1.006768	1.003383	0.995521
min	-2.994342	-3.000000	-3.000000	-3.000000
25%	-0.654483	-0.662177	-0.644982	-0.670813
50%	-0.000637	-0.033241	0.050481	-0.074641
75%	0.723100	0.725839	0.708452	0.643418
max	3.000000	3.000000	3.000000	3.000000

np.sign(data)会根据值的正负号来得到 1 或-1：

np.sign(data).head()

	0	1	2	3
0	1.0	1.0	1.0	1.0
1	1.0	1.0	-1.0	1.0
2	-1.0	-1.0	1.0	-1.0
3	-1.0	-1.0	1.0	1.0
4	-1.0	-1.0	-1.0	1.0

7 Permutation and Random Sampling（排列和随机采样）

排列（随机排序）一个 series 或 DataFrame 中的 row，用 numpy.random.permutation 函数很容易就能做到。调用 permutation 的时候设定好你想要进行排列的 axis，会产生一个整数数组表示新的顺序：

df = pd.DataFrame(np.arange(5 * 4).reshape((5, 4)))
df

	0	1	2	3
0	0	1	2	3
1	4	5	6	7
2	8	9	10	11
3	12	13	14	15
4	16	17	18	19

sampler = np.random.permutation(5)
sampler

array([4, 3, 2, 1, 0])

这个数组能被用在基于 iloc 上的 indexing 或 take 函数：

df.take(sampler)

	0	1	2	3
4	16	17	18	19
3	12	13	14	15
2	8	9	10	11
1	4	5	6	7
0	0	1	2	3

为了选中一个随机的子集，而且没有代替功能（既不影响原来的值，返回一个新的 series 或 DataFrame)，可以用 sample 方法：

df.sample(n=3)

	0	1	2	3
0	0	1	2	3
3	12	13	14	15
4	16	17	18	19

如果想要生成的样本带有替代功能（即允许重复)，给 sample 中设定 replace=True:

choices = pd.Series([5, 7, -1, 6, 4])

draws = choices.sample(n=10, replace=True)

draws

4    4
4    4
1    7
1    7
1    7
1    7
4    4
3    6
1    7
1    7
dtype: int64

8 Computing Indicator/Dummy Variables（计算指示器/虚拟变量）

Dummy Variables：虚拟变量，又称虚设变量、名义变量或哑变量,用以反映质的属性的一个人工变量,是量化了的自变量,通常取值为 0 或 1。

另一种在统计模型上的转换或机器学习应用是把一个 categorical variable(类别变量）变为一个 dummy or indicator matrix（虚拟或指示器矩阵）。如果 DataFrame 中的一列有 k 个不同的值，我们可以用一个矩阵或 DataFrame 用 k 列来表示，1 或 0。pandas 有一个 get_dummies 函数实现这个工作，当然，你自己设计一个其实也不难。这里举个例子：

df = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],
                   'data1': range(6)})
df

	data1	key
0	0	b
1	1	b
2	2	a
3	3	c
4	4	a
5	5	b

pd.get_dummies(df['key'])

	a	b	c
0	0.0	1.0	0.0
1	0.0	1.0	0.0
2	1.0	0.0	0.0
3	0.0	0.0	1.0
4	1.0	0.0	0.0
5	0.0	1.0	0.0

在一些情况里，如果我们想要给 column 加一个 prefix，可以用 data.get_dummies 里的 prefix 参数来实现：

dummies = pd.get_dummies(df['key'], prefix='key')

df_with_dummy = df[['data1']].join(dummies)
df_with_dummy

	data1	key_a	key_b	key_c
0	0	0.0	1.0	0.0
1	1	0.0	1.0	0.0
2	2	1.0	0.0	0.0
3	3	0.0	0.0	1.0
4	4	1.0	0.0	0.0
5	5	0.0	1.0	0.0

如果 DataFrame 中的 a row 属于多个类别，事情会变得复杂一些。我们来看一下 MoviesLens 1M 数据集：

mnames = ['movie_id', 'title', 'genres']

movies = pd.read_table('../datasets/movielens/movies.dat', sep='::',
                       header=None, names=mnames, engine='python')
movies[:10]

	movie_id	title	genres
0	1	Toy Story (1995)	Animation\|Children's\|Comedy
1	2	Jumanji (1995)	Adventure\|Children's\|Fantasy
2	3	Grumpier Old Men (1995)	Comedy\|Romance
3	4	Waiting to Exhale (1995)	Comedy\|Drama
4	5	Father of the Bride Part II (1995)	Comedy
5	6	Heat (1995)	Action\|Crime\|Thriller
6	7	Sabrina (1995)	Comedy\|Romance
7	8	Tom and Huck (1995)	Adventure\|Children's
8	9	Sudden Death (1995)	Action
9	10	GoldenEye (1995)	Action\|Adventure\|Thriller

给每个 genre 添加一个指示变量比较麻烦。首先我们先取出所有不同的类别：

all_genres = []

for x in movies.genres:
    all_genres.extend(x.split('|'))
    
genres = pd.unique(all_genres)
genres

array(['Animation', "Children's", 'Comedy', 'Adventure', 'Fantasy',
       'Romance', 'Drama', 'Action', 'Crime', 'Thriller', 'Horror',
       'Sci-Fi', 'Documentary', 'War', 'Musical', 'Mystery', 'Film-Noir',
       'Western'], dtype=object)

一种构建 indicator dataframe 的方法是先构建一个全是 0 的 DataFrame：

zero_matrix = np.zeros((len(movies), len(genres)))

zero_matrix.shape

(3883, 18)

dummies = pd.DataFrame(zero_matrix, columns=genres)
dummies.head()

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama	Action	Crime	Thriller	Horror	Sci-Fi	Documentary	War	Musical	Mystery	Film-Noir	Western
0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
1	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
2	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
3	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
4	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0

然后迭代每一部 movie，并设置每一行中的 dummies 为 1。使用 dummies.columns 来计算每一列的 genre 的指示器：

gen = movies.genres[0]
gen.split('|')

['Animation', "Children's", 'Comedy']

dummies.columns.get_indexer(gen.split('|'))

array([0, 1, 2])

然后，使用.iloc，根据索引来设定值：

for i, gen in enumerate(movies.genres):
    indices = dummies.columns.get_indexer(gen.split('|'))
    dummies.iloc[i, indices] = 1

dummies.head()

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama
0	1.0	1.0	1.0	0.0	0.0	0.0	0.0
1	0.0	1.0	0.0	1.0	1.0	0.0	0.0
2	0.0	0.0	1.0	0.0	0.0	1.0	0.0
3	0.0	0.0	1.0	0.0	0.0	0.0	1.0
4	0.0	0.0	1.0	0.0	0.0	0.0	0.0

然后，我们可以结合这个和 movies:

movies_windic = movies.join(dummies.add_prefix('Genre_'))
movies_windic.iloc[0]

movie_id                                       1
title                           Toy Story (1995)
genres               Animation|Children's|Comedy
Genre_Animation                                1
Genre_Children's                               1
Genre_Comedy                                   1
Genre_Adventure                                0
Genre_Fantasy                                  0
Genre_Romance                                  0
Genre_Drama                                    0
Genre_Action                                   0
Genre_Crime                                    0
Genre_Thriller                                 0
Genre_Horror                                   0
Genre_Sci-Fi                                   0
Genre_Documentary                              0
Genre_War                                      0
Genre_Musical                                  0
Genre_Mystery                                  0
Genre_Film-Noir                                0
Genre_Western                                  0
Name: 0, dtype: object

对于一个很大的数据集，这种构建多个成员指示变量的方法并不会加快速度。写一个低层级的函数来直接写一个 numpy array，并把写过整合到 DataFrame 会更快一些。

一个有用的 recipe 诀窍是把 get_dummies 和离散函数（比如 cut）结合起来：

np.random.seed(12345)

values = np.random.rand(10)
values

array([ 0.92961609,  0.31637555,  0.18391881,  0.20456028,  0.56772503,
        0.5955447 ,  0.96451452,  0.6531771 ,  0.74890664,  0.65356987])

bins = [0, 0.2, 0.4, 0.6, 0.8, 1.]

pd.cut(values, bins)

[(0.8, 1], (0.2, 0.4], (0, 0.2], (0.2, 0.4], (0.4, 0.6], (0.4, 0.6], (0.8, 1], (0.6, 0.8], (0.6, 0.8], (0.6, 0.8]]
Categories (5, object): [(0, 0.2] < (0.2, 0.4] < (0.4, 0.6] < (0.6, 0.8] < (0.8, 1]]

pd.get_dummies(pd.cut(values, bins))

	(0, 0.2]	(0.2, 0.4]	(0.4, 0.6]	(0.6, 0.8]	(0.8, 1]
0	0.0	0.0	0.0	0.0	1.0
1	0.0	1.0	0.0	0.0	0.0
2	1.0	0.0	0.0	0.0	0.0
3	0.0	1.0	0.0	0.0	0.0
4	0.0	0.0	1.0	0.0	0.0
5	0.0	0.0	1.0	0.0	0.0
6	0.0	0.0	0.0	0.0	1.0
7	0.0	0.0	0.0	1.0	0.0
8	0.0	0.0	0.0	1.0	0.0
9	0.0	0.0	0.0	1.0	0.0

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

列表为空，暂无数据

	0	1	2	3
0	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN
2	NaN	NaN	NaN	NaN
3	NaN	NaN	NaN	NaN
4	NaN	NaN	NaN	NaN

	a	b	c
0	0.0	1.0	0.0
1	0.0	1.0	0.0
2	1.0	0.0	0.0
3	0.0	0.0	1.0
4	1.0	0.0	0.0
5	0.0	1.0	0.0

	data1	key_a	key_b	key_c
0	0	0.0	1.0	0.0
1	1	0.0	1.0	0.0
2	2	1.0	0.0	0.0
3	3	0.0	0.0	1.0
4	4	1.0	0.0	0.0
5	5	0.0	1.0	0.0

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama	Action	Crime	Thriller	Horror	Sci-Fi	Documentary	War	Musical	Mystery	Film-Noir	Western
0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
1	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
2	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
3	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
4	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama
0	1.0	1.0	1.0	0.0	0.0	0.0	0.0
1	0.0	1.0	0.0	1.0	1.0	0.0	0.0
2	0.0	0.0	1.0	0.0	0.0	1.0	0.0
3	0.0	0.0	1.0	0.0	0.0	0.0	1.0
4	0.0	0.0	1.0	0.0	0.0	0.0	0.0

	(0, 0.2]	(0.2, 0.4]	(0.4, 0.6]	(0.6, 0.8]	(0.8, 1]
0	0.0	0.0	0.0	0.0	1.0
1	0.0	1.0	0.0	0.0	0.0
2	1.0	0.0	0.0	0.0	0.0
3	0.0	1.0	0.0	0.0	0.0
4	0.0	0.0	1.0	0.0	0.0
5	0.0	0.0	1.0	0.0	0.0
6	0.0	0.0	0.0	0.0	1.0
7	0.0	0.0	0.0	1.0	0.0
8	0.0	0.0	0.0	1.0	0.0
9	0.0	0.0	0.0	1.0	0.0

	0	1	2	3
0	NaN	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN
2	NaN	NaN	NaN	NaN
3	NaN	NaN	NaN	NaN
4	NaN	NaN	NaN	NaN

	a	b	c
0	0.0	1.0	0.0
1	0.0	1.0	0.0
2	1.0	0.0	0.0
3	0.0	0.0	1.0
4	1.0	0.0	0.0
5	0.0	1.0	0.0

	data1	key_a	key_b	key_c
0	0	0.0	1.0	0.0
1	1	0.0	1.0	0.0
2	2	1.0	0.0	0.0
3	3	0.0	0.0	1.0
4	4	1.0	0.0	0.0
5	5	0.0	1.0	0.0

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama	Action	Crime	Thriller	Horror	Sci-Fi	Documentary	War	Musical	Mystery	Film-Noir	Western
0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
1	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
2	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
3	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
4	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0

	Animation	Children's	Comedy	Adventure	Fantasy	Romance	Drama
0	1.0	1.0	1.0	0.0	0.0	0.0	0.0
1	0.0	1.0	0.0	1.0	1.0	0.0	0.0
2	0.0	0.0	1.0	0.0	0.0	1.0	0.0
3	0.0	0.0	1.0	0.0	0.0	0.0	1.0
4	0.0	0.0	1.0	0.0	0.0	0.0	0.0

	(0, 0.2]	(0.2, 0.4]	(0.4, 0.6]	(0.6, 0.8]	(0.8, 1]
0	0.0	0.0	0.0	0.0	1.0
1	0.0	1.0	0.0	0.0	0.0
2	1.0	0.0	0.0	0.0	0.0
3	0.0	1.0	0.0	0.0	0.0
4	0.0	0.0	1.0	0.0	0.0
5	0.0	0.0	1.0	0.0	0.0
6	0.0	0.0	0.0	0.0	1.0
7	0.0	0.0	0.0	1.0	0.0
8	0.0	0.0	0.0	1.0	0.0
9	0.0	0.0	0.0	1.0	0.0