Časové složky

Práce s časovými složkami je důležitá nejen pro tvorbu příznaků, ale také pro lepší pochopení a prozkoumání dat. V tomto cvičení se zaměříš na to, zda existuje vzorec v tom, který den v týdnu jsou domy zalistovány. Měj na paměti, že v PySparku týden začíná nedělí s hodnotou 1 a končí sobotou s hodnotou 7.

Toto cvičení je součástí kurzu

Feature Engineering with PySpark

Zobrazit kurz

Pokyny k cvičení

Importuj funkce to_date() a dayofweek() z pyspark.sql.functions
Pomocí funkce to_date() převeď sloupec LISTDATE na Spark datový typ a výsledek ulož zpět do stejného sloupce pomocí withColumn()
Vytvoř nový sloupec ze sloupce LISTDATE s použitím dayofweek() a ulož ho jako List_Day_of_Week pomocí withColumn()
Vezmi vzorek poloviny dataframu, převeď ho na pandas dataframe pomocí toPandas() a vykresli počty hodnot sloupce List_Day_of_Week pomocí seaborn funkce countplot(), kde x = List_Day_of_Week.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import needed functions
from ____ import ____, ____

# Convert to date type
df = df.____(____, ____(____))

# Get the day of the week
df = df.____(____, ____(____))

# Sample and convert to pandas dataframe
sample_df = df.sample(False, ____, 42).____()

# Plot count plot of of day of week
sns.____(x="List_Day_of_Week", data=____)
plt.show()

Upravit a spustit kód