回答編集履歴
3
修正
test
CHANGED
|
@@ -74,7 +74,7 @@
|
|
|
74
74
|
|
|
75
75
|
|
|
76
76
|
|
|
77
|
-
敬称を抽出するときに敬称の前に空白が入ってしまっているため、isin() でマッチしなくなっているのが原因です。
|
|
77
|
+
敬称を抽出するときに敬称の前に空白が入ってしまっているため、isin() でマッチしなくなっているのが原因です。以下のように修正するといいと思います。
|
|
78
78
|
|
|
79
79
|
|
|
80
80
|
|
2
修正
test
CHANGED
|
@@ -63,3 +63,101 @@
|
|
|
63
63
|
print(train2["honorific"].value_counts())
|
|
64
64
|
|
|
65
65
|
```
|
|
66
|
+
|
|
67
|
+
|
|
68
|
+
|
|
69
|
+
## 追記
|
|
70
|
+
|
|
71
|
+
|
|
72
|
+
|
|
73
|
+
### 原因
|
|
74
|
+
|
|
75
|
+
|
|
76
|
+
|
|
77
|
+
敬称を抽出するときに敬称の前に空白が入ってしまっているため、isin() でマッチしなくなっているのが原因です。
|
|
78
|
+
|
|
79
|
+
|
|
80
|
+
|
|
81
|
+
```diff
|
|
82
|
+
|
|
83
|
+
- lambda x: x.split(",")[1].split(".")[0]
|
|
84
|
+
|
|
85
|
+
+ lambda x: x.split(", ")[1].split(". ")[0]
|
|
86
|
+
|
|
87
|
+
```
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
質問のコードだと
|
|
92
|
+
|
|
93
|
+
|
|
94
|
+
|
|
95
|
+
`Graham, Miss. Margaret Edith`
|
|
96
|
+
|
|
97
|
+
↓ "," で分割し、後ろを抽出 (x.split(",")[1])
|
|
98
|
+
|
|
99
|
+
` Miss. Margaret Edith`
|
|
100
|
+
|
|
101
|
+
↓ "." で分割し、前を抽出 (x.split(",")[1].split(".")[0])
|
|
102
|
+
|
|
103
|
+
` Miss`
|
|
104
|
+
|
|
105
|
+
|
|
106
|
+
|
|
107
|
+
### 修正後のコード全体
|
|
108
|
+
|
|
109
|
+
|
|
110
|
+
|
|
111
|
+
```
|
|
112
|
+
|
|
113
|
+
import pandas as pd
|
|
114
|
+
|
|
115
|
+
|
|
116
|
+
|
|
117
|
+
# train.csvはタイタニック提供のデータをそのまま利用しています。
|
|
118
|
+
|
|
119
|
+
titanic_train = pd.read_csv("train.csv")
|
|
120
|
+
|
|
121
|
+
|
|
122
|
+
|
|
123
|
+
only_train_honorific = [
|
|
124
|
+
|
|
125
|
+
"Capt",
|
|
126
|
+
|
|
127
|
+
"Don",
|
|
128
|
+
|
|
129
|
+
"Jonkheer",
|
|
130
|
+
|
|
131
|
+
"Lady",
|
|
132
|
+
|
|
133
|
+
"Major",
|
|
134
|
+
|
|
135
|
+
"Mlle",
|
|
136
|
+
|
|
137
|
+
"Mme",
|
|
138
|
+
|
|
139
|
+
"Sir",
|
|
140
|
+
|
|
141
|
+
"the Countess",
|
|
142
|
+
|
|
143
|
+
]
|
|
144
|
+
|
|
145
|
+
titanic_train["honorific"] = titanic_train["Name"].map(
|
|
146
|
+
|
|
147
|
+
lambda x: x.split(", ")[1].split(". ")[0]
|
|
148
|
+
|
|
149
|
+
)
|
|
150
|
+
|
|
151
|
+
train_omit1 = titanic_train[
|
|
152
|
+
|
|
153
|
+
~titanic_train["honorific"].isin(only_train_honorific)
|
|
154
|
+
|
|
155
|
+
].reset_index(drop=True)
|
|
156
|
+
|
|
157
|
+
|
|
158
|
+
|
|
159
|
+
print(titanic_train["honorific"].value_counts())
|
|
160
|
+
|
|
161
|
+
print(train_omit1["honorific"].value_counts())
|
|
162
|
+
|
|
163
|
+
```
|
1
修正
test
CHANGED
|
@@ -1 +1,65 @@
|
|
|
1
1
|
`~titanic_train["honorific"].isin(only_train_honorific)` でブール配列の否定をとっているので、only_train_honorific が含まれない行の抽出になっていないでしょうか。
|
|
2
|
+
|
|
3
|
+
|
|
4
|
+
|
|
5
|
+
## 追記
|
|
6
|
+
|
|
7
|
+
|
|
8
|
+
|
|
9
|
+
Kaggle の titanic データセットだと思いますが、表題の現象は再現しません。
|
|
10
|
+
|
|
11
|
+
指定した敬称を含む行は質問のコードで意図通り除かれていると思います。
|
|
12
|
+
|
|
13
|
+
|
|
14
|
+
|
|
15
|
+
```python
|
|
16
|
+
|
|
17
|
+
import pandas as pd
|
|
18
|
+
|
|
19
|
+
|
|
20
|
+
|
|
21
|
+
train = pd.read_csv(
|
|
22
|
+
|
|
23
|
+
"https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv"
|
|
24
|
+
|
|
25
|
+
)
|
|
26
|
+
|
|
27
|
+
|
|
28
|
+
|
|
29
|
+
exclude_cols = [
|
|
30
|
+
|
|
31
|
+
"Capt",
|
|
32
|
+
|
|
33
|
+
"Don",
|
|
34
|
+
|
|
35
|
+
"Jonkheer",
|
|
36
|
+
|
|
37
|
+
"Lady",
|
|
38
|
+
|
|
39
|
+
"Major",
|
|
40
|
+
|
|
41
|
+
"Mlle",
|
|
42
|
+
|
|
43
|
+
"Mme",
|
|
44
|
+
|
|
45
|
+
"Sir",
|
|
46
|
+
|
|
47
|
+
"the Countess",
|
|
48
|
+
|
|
49
|
+
]
|
|
50
|
+
|
|
51
|
+
train["honorific"] = train["Name"].map(lambda x: x.split(", ")[1].split(". ")[0])
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
|
|
56
|
+
|
|
57
|
+
train2 = train[~train["honorific"].isin(exclude_cols)].reset_index(drop=True)
|
|
58
|
+
|
|
59
|
+
|
|
60
|
+
|
|
61
|
+
print(train["honorific"].value_counts())
|
|
62
|
+
|
|
63
|
+
print(train2["honorific"].value_counts())
|
|
64
|
+
|
|
65
|
+
```
|