In [1]:
%pylab inline
import pandas as pd
Populating the interactive namespace from numpy and matplotlib
In [2]:
comp_adaptor = pd.read_csv('./competition_data/comp_adaptor.csv')
In [3]:
print comp_adaptor.shape
print comp_adaptor.dtypes
print comp_adaptor
(25, 20)
component_id object
component_type_id object
adaptor_angle float64
overall_length float64
end_form_id_1 object
connection_type_id_1 object
length_1 float64
thread_size_1 float64
thread_pitch_1 float64
nominal_size_1 float64
end_form_id_2 object
connection_type_id_2 object
length_2 float64
thread_size_2 float64
thread_pitch_2 float64
nominal_size_2 float64
hex_size float64
unique_feature object
orientation object
weight float64
dtype: object
component_id component_type_id adaptor_angle overall_length \
0 C-0005 CP-028 NaN 58.40
1 C-0006 CP-028 NaN 34.80
2 C-1435 CP-028 NaN 20.30
3 C-1546 CP-028 NaN 26.40
4 C-1583 CP-028 NaN 44.50
5 C-1634 CP-028 NaN 34.50
6 C-1975 CP-028 NaN 13.20
7 C-0428 CP-028 NaN 26.99
8 C-0443 CP-028 NaN 22.35
9 C-0823 CP-028 NaN 16.80
10 C-0354 CP-028 NaN 36.30
11 C-0361 CP-028 NaN 41.00
12 C-1312 CP-028 NaN 14.20
13 C-1313 CP-028 NaN 15.70
14 C-1194 CP-028 NaN 15.00
15 C-1195 CP-028 NaN 30.00
16 C-1196 CP-028 NaN 40.00
17 C-1197 CP-028 NaN 41.00
18 C-1198 CP-028 NaN 51.00
19 C-1229 CP-028 NaN 18.80
20 C-1230 CP-028 NaN 14.20
21 C-1695 CP-028 NaN 30.00
22 C-1812 CP-028 NaN 35.10
23 C-1828 CP-028 NaN 28.40
24 C-1868 CP-029 90 NaN
end_form_id_1 connection_type_id_1 length_1 thread_size_1 \
0 A-001 B-001 NaN 1.312
1 A-001 B-001 NaN 0.437
2 A-007 B-004 NaN NaN
3 A-007 B-004 NaN 0.125
4 A-001 B-005 NaN 1.312
5 A-001 B-005 NaN 0.750
6 A-007 B-007 NaN NaN
7 A-001 B-004 NaN 0.250
8 A-007 B-007 NaN NaN
9 A-007 B-007 NaN NaN
10 A-001 B-004 NaN 1.250
11 A-005 NaN NaN NaN
12 A-002 B-007 NaN 0.437
13 A-007 B-007 NaN NaN
14 A-007 B-004 NaN 0.125
15 A-007 B-004 NaN 0.250
16 A-007 B-004 NaN 0.500
17 A-007 B-004 NaN 0.750
18 A-007 B-004 NaN 1.000
19 A-007 B-004 NaN NaN
20 A-007 B-007 NaN NaN
21 A-001 B-006 NaN 0.750
22 A-007 B-004 NaN 0.375
23 A-001 B-005 NaN 1.312
24 A-001 B-005 65.5 0.750
thread_pitch_1 nominal_size_1 end_form_id_2 connection_type_id_2 \
0 12.0 NaN A-001 B-004
1 20.0 NaN A-001 B-005
2 NaN 15.88 A-001 B-007
3 27.0 NaN A-001 B-004
4 12.0 NaN A-007 B-005
5 16.0 NaN A-001 B-002
6 NaN 3.18 A-001 B-007
7 18.0 NaN A-007 NaN
8 NaN 19.05 9999 9999
9 NaN 9.52 A-001 9999
10 11.5 NaN A-007 B-004
11 NaN 6.35 A-006 B-002
12 24.0 NaN 9999 9999
13 NaN 7.94 A-001 B-007
14 27.0 NaN A-007 B-004
15 18.0 NaN A-007 B-004
16 14.0 NaN A-007 B-004
17 14.0 NaN A-007 B-004
18 11.5 NaN A-007 B-004
19 NaN 12.70 A-001 B-007
20 NaN 4.76 A-001 B-005
21 16.0 NaN A-007 9999
22 18.0 NaN A-007 B-004
23 12.0 NaN A-007 B-005
24 16.0 NaN A-001 B-002
length_2 thread_size_2 thread_pitch_2 nominal_size_2 hex_size \
0 NaN 1.000 11.5 NaN 34.93
1 NaN 0.750 16.0 NaN 22.20
2 NaN 0.875 18.0 NaN 22.22
3 NaN 0.125 27.0 NaN 15.88
4 NaN 1.062 12.0 NaN 38.10
5 NaN 0.687 16.0 NaN 22.23
6 NaN 0.312 28.0 NaN NaN
7 NaN NaN NaN 9.52 17.46
8 NaN 1.062 16.0 NaN 26.97
9 NaN 0.625 18.0 9.52 15.75
10 NaN 1.000 11.5 NaN 44.45
11 NaN 0.562 18.0 NaN 15.88
12 NaN NaN NaN NaN 11.11
13 NaN 0.500 20.0 NaN 12.57
14 NaN 0.125 27.0 NaN NaN
15 NaN 0.250 18.0 NaN NaN
16 NaN 0.500 14.0 NaN NaN
17 NaN 0.750 14.0 NaN NaN
18 NaN 1.000 11.5 NaN NaN
19 NaN 0.750 18.0 NaN 18.92
20 NaN 0.375 24.0 NaN 9.40
21 NaN 9999.000 9999.0 NaN 25.40
22 NaN 0.375 18.0 NaN NaN
23 NaN 0.562 18.0 NaN 38.10
24 28 0.812 16.0 NaN NaN
unique_feature orientation weight
0 No No 0.206
1 No No 0.083
2 No No 0.023
3 No No 0.026
4 No No 0.256
5 No No 0.060
6 No No 0.005
7 No No 0.032
8 No No NaN
9 No No 0.014
10 No No 0.136
11 No No 0.005
12 No No 0.009
13 No No 0.010
14 No No 0.014
15 Yes No 0.031
16 No No 0.095
17 No No 0.091
18 No No 0.181
19 No No 0.009
20 No No 0.009
21 No No NaN
22 No No 0.091
23 No No 0.181
24 No Yes 0.226
Content source: timmyshen/Cat_Tube
Similar notebooks: