データセットの列をPythonと比較する

私は巨大なデータセット（2653,17）を持っています。私は、value_countsメソッドから推測しているように、2つの列が多少関連しているが正確ではないことに気づいた。私が意味するのは、対応するエントリのほとんどがMであるか、CのNaNであるということです。これを確認したり、このように関連するエントリの数を計算する方法はありますか？私はそれらを数値に変換し、相関技術を使ってみましたが、ここではうまくいかないと思います。データセットの列をPythonと比較する

出典

2017-12-30 deadcode

このSOの投稿は良いplかもしれません開始するエース - https://stackoverflow.com/questions/25571882/pandas-columns-correlation-with-statistical-significance ASFAIKでは、これらの文字をユニークな数値に変換して、これらのテストが機能するようにする必要があります。 – TheF1rstPancake

'pd.crosstab（df.customer_type、df.sex）'を使ってタブをクロスすることはできません。 –

注意しなければならないもう一つのことは、あなたの「性別」の列には多くのバリエーションがないことです。だから、それは非常に役に立つとは思わないでしょう。しかし、それはあなたの現在の問題の範囲外かもしれません。 – TheF1rstPancake

クロス集計は2つのカテゴリ変数間の関係を参照するには、最初の方法でなければなりません。それはまた、非常に参考にすることができ見える化

sex    M 
customer_type  
C    3 0 
I    0 4

：https://stats.stackexchange.com/questions/147721/which-is-the-best-visualization-for-contingency-tables

df = pd.DataFrame(data = {'customer_type': ['I','I','I','C','C','C','I'], 
      'sex': ['M','M','M','','','','M']}) 
print(df) 
print(pd.crosstab(df.customer_type, df.sex))

出力を

出典

2017-12-30 17:28:33 rnso

クロスタブ方法では、エラーのため「クロス集計方法は複数回発生します。レベル番号を使用する」というエラーのため、データセットに完全な画像が表示されません。 train.sex、train.customer_type、marginins = True、dropna = False）。これは、https://github.com/pandas-dev/pandas/issues/13279とhttps://github.com/pandas-dev/pandas/issues/10772で作成されたクロス集計のバグだと思います – deadcode

データセットの列をPythonと比較する

答えて

関連する問題