В качестве альтернативы есть встроенная функция pd.get_dummies для этих типов назначений:
w['female'] = pd.get_dummies(w['female'],drop_first = True)
Это дает вам фрейм данных с двумя столбцами, по одному для каждого значения, которое встречается в w [gенщина '], из которых вы бросаете первый (потому что вы можете сделать вывод из того, что осталось). Новый столбец автоматически будет называться как строка, которую вы заменили.
Это особенно полезно, если у вас есть категориальные переменные с более чем двумя возможными значениями. Эта функция создает столько фиктивных переменных, сколько необходимо для различения всех случаев. Будьте осторожны, чтобы вы не привязывали весь кадр данных к одному столбцу, но вместо этого, если w ['female'] может быть «мужской», «женский» или «нейтральный», сделайте что-то вроде этого:
w = pd.concat([w, pd.get_dummies(w['female'], drop_first = True)], axis = 1])
w.drop('female', axis = 1, inplace = True)
Затем вы остаетесь с двумя новыми столбцами, давая вам фиктивное кодирование «женский», и вы избавились от столбца со строками.
используйте библиотеку xlswriter в python, используйте ссылку ниже, чтобы узнать подробности https://xlsxwriter.readthedocs.io/
, используя это, вы можете вставить что-нибудь, например изображения, графики, диаграммы , данные таблиц и т. д., это очень легко и просто.