ミネソタ湖のデータのクリーニング+準備

『ミネソタ湖のデータのクリーニングと準備』

ミネソタ州の湖のウィキペディアのリストを整理する方法

先日、故郷の湖の美しい景色を車で見かけました。それはメノミン湖として知られています。ここでお楽しみいただくために写真を撮りました。

その後、ウィスコンシン州のすべての湖と湖の特徴を含むデータセットがクラスタリングのチュートリアルとして面白いかもしれないと思いました。熱心に探してみましたが、そのようなデータセットは見つかりませんでした。

しかし、ウィスコンシンの西にある幸せな隣人はミネソタ州です。ミネソタ州には1万の湖があると言われていますが、この記事ではその数を検証します。

この記事は、ミネソタの湖のデータを取得し、分析のために整理するプロセスを示すチュートリアルです。

• 偽の預言者：自家製時系列回帰のための特徴工学（パート1/2）
• 「機械学習入門：その多様な形式を探索する」
• 『GenAI：より良い結果と低コストでデータを1000倍速く合成する方法』

データの取得

以前に pd.read_html() について書いたことがあり、強み（良い）、制限と欠点（悪い）、およびクセ（醜い）について説明しました：pd.read_htmlの長所と短所。

ここでは再び、pd.read_html() を使用してウィキペディアのミネソタ州の湖の一覧からメインのテーブルを簡単かつ便利に取得します。このデータの取得と準備のタスクは、標準的なインポートから始めます。また、クリーンアップ作業に正規表現モジュールも使用します。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport reweb = 'https://en.wikipedia.org/'          # ベースURLを指定path = 'wiki/List_of_lakes_of_Minnesota'   # URLパスを指定tables = pd.read_html(web + path)          # URLをpd.read_html()に渡してテーブルを取得df = tables[1]                             # 興味のあるテーブルを分離

上記のコードでは、まずベースURLとウィキペディアの記事へのパスを指定します。次に、そのURLとパスをpd.read_html()に渡して、テーブルのリストが返されます。最後に、tablesリストの角括弧の表記法を使用して、興味のあるメインテーブル（湖のデータ）を分離します。これらのデータは以下のように表示されます：

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!