Это будет (надеюсь) серия коротких заметок про прикольные фишки pandas.
Тут интересные пример использования map и value_counts
map()
Периодически возникает необходимость заменить значения в какой-то колонке на какие-то другие. Понятно, что можно использовать list comprehension, но использование map это один из способов — это сделать, и как мне кажется, не самый плохой
Допустим есть какой-то датафрейм
Предположим, надо изменить значение в колонке some_column_2 таким образом что 'y' стало 'yes', 'n' стало 'no' а nan заменилось на 'unknown'. для этого будет достаточно создать словарик вида:
а дальше использовать функцию map
value_counts()
Тут тоже есть интересная особенность, а именно аргумент dropna = False. Дело в том что по умолчанию NaN не учитываются в подсчете и если этого не знать можно сделать не совсем правильные выводы. Но, если указать dropna = False то NaN так же будут учитываться в подсчетах
Поиграться с этими метриками можно в тетрадке
#python