データ分析初心者です。
初めて簡単なコンペのようなものに挑戦しています。
何からやればよいのかわからず手探りでググって一つ一つ進めてきたのですが、これについてはどのようにググれば答えが見つかるのかもわからずの状態です。
そのため、タイトルもなかなかうまく言語化できておらず、わかりにくくなってしまっていると思います。すみません。
コンペの内容としては民泊サービスの価格予測です。物件に関する情報と価格のデータが与えられています。
中身のデータを精査しているのですがその中で「設備・アメニティ」についてのカラム('amenities')がありました。
こちらのカラムが下記のような形でリスト形式でデータを保持しています。
{TV,"Wireless Internet",Kitchen,"Free parking on premises",Washer,Dryer,"Smoke detector"}
{TV,"Cable TV",Internet,"Wireless Internet","Air conditioning",Kitchen,"Free parking on premises",Heating,Washer,Dryer,"Smoke detector","Carbon monoxide detector","First aid kit",Essentials,Shampoo,"Lock on bedroom door","24-hour check-in",Hangers,Iron,"Laptop friendly workspace","translation missing: en.hosting_amenity_49","translation missing: en.hosting_amenity_50"}
特段このアメニティの充実度が価格に影響を与えるとは思えにくいのですが、一応確認をしてみたいと思っており、下記のような操作をしたいと思っております。
- 全データ(約5万レコード)からアメニティに記載されている要素を過不足なく抽出し、その要素分、新たに列を作成する。
- 新たに作成した列に対してそれぞれ元の'amenities'に値が含まれていた場合は1、そうでない場合は0を設定していく。
pandasでこういった操作ができないか調べてみたのですが全く見当がつかない状態です。
CSVを直接触れば、1.はできそうなのですが、2.を機械的にやる方法が思いつきません。
質問は2点あります。
- 上記を実現する方法はありますか?
- こういった1カラムにリストが入っているようなデータを扱うときの一般的な扱い方のルールのようなものがあれば教えてください。