Vlastní procentuální škálování

Ve slidech jsme ukázali, jak škálovat data v rozsahu od 0 do 1. Někdy ale může být užitečné zvolit jiný rozsah – třeba pro potřeby modelování nebo vizualizace.

Toto cvičení je součástí kurzu

Feature Engineering with PySpark

Zobrazit kurz

Pokyny k cvičení

Zjisti maximální a minimální hodnotu sloupce DAYSONMARKET a ulož je do proměnných max_days a min_days – nezapomeň použít collect() na agg().
Pomocí withColumn() vytvoř nový sloupec s názvem 'percentagescaleddays' vycházející ze sloupce DAYSONMARKET.
Sloupec percentage_scaled_days by měl obsahovat celá čísla v rozsahu od 0 do 100 – použij round() pro zaokrouhlení na celá čísla.
Vypiš max() a min() nového sloupce percentage_scaled_days.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define max and min values and collect them
max_days = df.____({____: ____}).____()[0][0]
min_days = df.____({____: ____}).____()[0][0]

# Create a new column based off the scaled data
df = df.____(____, 
                  ____((df[____] - min_days) / (max_days - min_days)) * ____)

# Calc max and min for new column
print(df.____({____: ____}).____())
print(df.____({____: ____}).____())

Upravit a spustit kód