如何掌控資料：資料框的操作技巧（下）

進階資料框操作技巧

Photo by Tony Webster on Unsplash

Tidy datasets are all alike, but every messy dataset is messy in its own way.

Hadley Wickham

在如何掌控資料：資料框的操作技巧（上）之中我們簡介了資料科學團隊常在面對佔據主流地位的表格式資料（Tabular Data）時，於 Python 與 R 語言中以資料框（Data Frame）來進行基礎操作，包含像是建立、檢視與篩選等，這篇文章將繼續專注資料框（Data Frame）的進階操作技巧。

摘要

本文簡介 Python pandas 與 R 語言中的進階資料框操作技巧，包含調整變數的型別、對文字變數重新編碼、對數字重新歸類分組為文字變數、處理遺漏值、處理時間序列、轉置資料框與聯結資料框。

Python pandas

我們使用 pandas 資料框的方法搭配模組中所提供的函數來實踐進階的資料框操作。

調整變數的型別

一個 pandas 資料框的組成有四個層次，如果從下往上（bottom-up）檢視：先是資料，接著同樣型別的資料可以結合成為一個陣列（ndarray），然後陣列加入索引標籤可以成為一個 Series，最後多個 Series 能夠合併為一個資料框。因此如果有變數型別想要調整，只需要從上往下（top-down）檢視：將變數單獨取出成為一個 Series，調整型別之後再指派回資料框的原變數位置即可。以 1995 至 1996 年球季芝加哥公牛隊先發陣容的資料框為例，背號原本是整數型別（int），可以利用 .astype() 方法將其調整成文字（object）。

## int64
## [ 9 23 33 91 13]
## object
## ['9' '23' '33' '91' '13']

對文字變數重新編碼

利用 .map() 方法並輸入一個 dict，在這個 dict 中利用 key-value 的對應關係實現重新編碼，像是輸入球員姓名與鋒衛位置的對應 dict：