Extrakce textu do nových příznaků

Garáže jsou při prodeji domů v Minnesotě důležitým faktorem — většina lidí tam vlastní auto a čistit ho od sněhu zaparkované venku je pořádná otrava. Záleží i na typu garáže: dostaneš se k autu, aniž bys musel/a vyjít na mráz? Pojďme vytvořit příznak has_attached_garage, který zachytí, zda je garáž připojena přímo k domu, nebo ne.

Toto cvičení je součástí kurzu

Feature Engineering with PySpark

Zobrazit kurz

Pokyny k cvičení

Naimportuj potřebnou funkci when() z pyspark.sql.functions.
Vytvoř podmínku pro shodu řetězce pomocí like(), která bude v df['GARAGEDESCRIPTION'] hledat vzor Attached Garage — použij zástupné znaky %, aby se shoda mohla nacházet kdekoliv v poli.
Podobně vytvoř další podmínku pomocí like(), která bude v df['GARAGEDESCRIPTION'] hledat vzor Detached Garage — opět použij zástupné znaky % pro shodu kdekoliv v poli.
Vytvoř nový sloupec has_attached_garage pomocí when(): přiřaď hodnotu 1, pokud jde o připojenou garáž, nulu pro oddělenou a pomocí otherwise() přiřaď null prostřednictvím None, pokud není ani jedno.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import needed functions
____ ____ ____ ____

# Create boolean conditions for string matches
has_attached_garage = df[____].____(____)
has_detached_garage = df[____].____(____)

# Conditional value assignment 
df = df.withColumn(____, (____(____, 1)
                                          .____(____, 0)
                                          .____(____)))

# Inspect results
df[['GARAGEDESCRIPTION', 'has_attached_garage']].show(truncate=100)

Upravit a spustit kód