資料中int64與flaot64的資料型態篩選問題
# 先篩選數值型的欄位
numeric_columns = list(app_train.columns[list(app_train.dtypes.isin([np.int64, np.float64]))])
# 再把只有 2 值 (通常是 0,1) 的欄位去掉
numeric_columns = list(app_train[numeric_columns].columns[list(app_train[numeric_columns].apply(lambda x:len(x.unique())!=2 ))])
print("Numbers of remain columns: %i" % len(numeric_columns))
# 檢視這些欄位的數值範圍
for col in numeric_columns:
app_train.boxplot(col)
plt.show()
Numbers of remain columns: 0
不太懂data裡的型態有int64與flaot64但這裡卻0
#----個人是用這種方式篩選的
numeric_columns = list(app_train.columns[list(app_train.dtypes == 'float64')])+list(app_train.columns[list(app_train.dtypes == 'int64')])
#----
最後這題解答沒有呈現
# 把一些極端值暫時去掉，在繪製一次 Histogram
# 選擇 OBS_60_CNT_SOCIAL_CIRCLE 小於 20 的資料點繪製
麻煩了～～
回答列表
-
2020/06/12 上午 05:33張維元 (WeiYuan)贊同數：0不贊同數：0留言數：0
喔，先回覆第一個問題：
這邊的 int64 或 float64 是有可能依照電腦規格改變的（不過同一台電腦應該不變，這邊我覺得很怪）。意思是在解答的電腦上資料是用 64 bit 作儲存，但在你的電腦可能是 32 bit。以下兩點建議：
(1) 先用 df.info() 或 df.describe() 的方式看一下欄位
(2) 用 np.dtype('int'), np.dtype('float') 定義類別比較好
(3) 你可以比較這三者 type("int")、 type('np.dtype("int")')、type(np.int)
如果這個回答對你有幫助請主動點選「有幫助」的按鈕，也可以追蹤我的GITHUB帳號。若還有問題的話，也歡迎繼續再追問或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃
-
2020/06/12 上午 05:34張維元 (WeiYuan)贊同數：1不贊同數：0留言數：0
這邊補充說明一下，在 Numpy 中有幾種表示數值的欄位：
1. int
2. int64
3. np.int64
4. np.dtype('float64')
當只用 int 的時候預設會等於你的電腦中最大的 int 數值，不同的電腦可能會有差異。另外 int64、np.int64、np.dtype('float64') 這三種寫法在用 == 比較的時候是等價的，但用 is/isin 判斷卻會錯。原因在於 is 是比較嚴格的物件比較，除了數值本身之外，也會比型態的差異。
舉個例子，這三種 int64、np.int64、np.dtype('float64') 都可以表達 int64，但他們分別是字串、np.int64、和 np.dtype 型態，因此在用 isin 的時候會出錯。所以這邊建議大家改用 dtype_select 來處理，會比較容易。
如果這個回答對你有幫助請主動點選「有幫助」的按鈕，也可以追蹤我的GITHUB帳號。若還有問題的話，也歡迎繼續再追問或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃
-
2020/06/12 上午 05:34張維元 (WeiYuan)贊同數：1不贊同數：0留言數：0
關於你的問題，建議使用np.dtype('int') ，np.dtype('float') 應該會是最精準的，或改用 select_dtypes 比較好。
如果這個回答對你有幫助請主動點選「有幫助」的按鈕，也可以追蹤我的GITHUB帳號。若還有問題的話，也歡迎繼續再追問或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃
-
2020/06/12 上午 05:35張維元 (WeiYuan)贊同數：0不贊同數：0留言數：0
第二題的部分，可能是更新時候沒有改到，我在幫你通知主辦單位。
如果這個回答對你有幫助請主動點選「有幫助」的按鈕，也可以追蹤我的GITHUB帳號。若還有問題的話，也歡迎繼續再追問或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃