次の Python コードの出力はどれでしょうか？

Python コード:

import pandas as pd
import numpy as np

dates = pd.date_range(
    '2023-01-01', 
    periods=4, 
    freq='D')
df = pd.DataFrame(
    data = [10, 20, 30, 40], 
    index=dates, 
    columns=['A'])
df['bin'] = pd.cut(
    df['A'], 
    bins=[0, 15, 30, 45], 
    labels=['L', 'M', 'H'])
print(df)

回答の選択肢:

(A) bin列の値：上から L, M, M, H
(B) bin列の値：ランダムな値
(C) bin列の値：上から L, M, H, H
(D) bin列の値：A例と同じ値

出力例:

             A bin
2023-01-01  10   L
2023-01-02  20   M
2023-01-03  30   M
2023-01-04  40   H

正解:

(A)

解説:

このコードは、数値型の特徴量を取り扱い、それを指定した範囲（ビン）ごとにカテゴリ変数に変換しています。

詳しく説明します。

‘2023-01-01’から始まる日単位の日付範囲を4期間作ります。

dates = pd.date_range(
    '2023-01-01', 
    periods=4, 
    freq='D')

datesに格納されているデータは次のようになっています。

DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'], dtype='datetime64[ns]', freq='D')

そして、この日付インデックスをもとに、10、20、30、40という値のデータフレームを作ります。

df = pd.DataFrame(
    data = [10, 20, 30, 40], 
    index=dates, 
    columns=['A'])

dfに格納されているデータは次のようになっています。

             A
2023-01-01  10
2023-01-02  20
2023-01-03  30
2023-01-04  40

`pd.cut`関数を用いて数値を特定の範囲（ビン）に変換し、それぞれを指定したラベル（’L’、’M’、’H’）に変換します。

df['bin'] = pd.cut(
    df['A'], 
    bins=[0, 15, 30, 45], 
    labels=['L', 'M', 'H'])

具体的には、0から15までは’L’、15以上30以下は’M’、30以上45以下は’H’とします。こうすることで、連続的な数値データをカテゴリデータに変換することができます。

新たなデータフレームを出力して元の値とそれに対応するカテゴリを表示します。

print(df)

             A bin
2023-01-01  10   L
2023-01-02  20   M
2023-01-03  30   M
2023-01-04  40   H

ビニングはデータをビジュアル化しやすくするため、または連続的な数値データを扱うのが難しい特定の機械学習アルゴリズムにデータを適合させるために使用されます。

Python 時系列分析 1,000本ノック– ノック25: 時系列データの記述統計量 –