Odstraňování duplicitních záznamů
Představ si, že chceš sestavit prediktivní model pro výběr dárců, kteří s největší pravděpodobností zareagují na dopis. Populace základní tabulky by měla obsahovat dárce, u nichž je k dispozici adresa a jejichž nastavení soukromí odesílání dopisu umožňuje.
Všichni potenciální dárci jsou uvedeni v dataframu donors se třemi sloupci: donor_id, příznak address s hodnotou 1, pokud je adresa k dispozici, a 0 v opačném případě, a příznak letter_allowed s hodnotou 1, pokud je možné dárci dopis odeslat, a 0 v opačném případě.
V tomto cvičení sestavíš množinu dárců, kteří by měli být zahrnuti do populace.
Toto cvičení je součástí kurzu
Intermediate Predictive Analytics in Python
Pokyny k cvičení
- Vytvoř dataframe
donors_populationobsahující pouze záznamy, u nichž je k dispozici adresa a odesílání dopisu je povoleno. - Vytvoř seznam s id dárců z dataframu
donors_population. - Sestav výslednou populaci a zjisti počet dárců v ní.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a dataframe donors_population
donors_population = ____[(____["____"] == ____) & (____["____"] == ____)]
# Create a list of donor IDs
population_list = ____(____["____"])
# Select unique donors in population_list
population = ____(____)
print(len(population))