Oddělení numerických a kategorických sloupců

V předchozím cvičení jsi prozkoumali charakteristiky datasetu a teď jsi připraven/a na předzpracování dat. Oddělíš kategorické a numerické proměnné z DataFrame telco_raw pomocí vlastního prahového počtu unikátních hodnot. Modul pandas je pro tebe načtený jako pd.

Syrový dataset telekomunikačního churn telco_raw je načtený jako DataFrame pandas. Dataset si můžeš prohlédnout v konzoli.

Toto cvičení je součástí kurzu

Machine Learning for Marketing in Python

Zobrazit kurz

Pokyny k cvičení

Ulož názvy sloupců customerID a Churn.
Do proměnné categorical přiřaď názvy sloupců, které mají méně než 5 unikátních hodnot.
Odeber target ze seznamu.
Do proměnné numerical přiřaď všechny názvy sloupců, které nejsou v custid, target ani categorical.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Store customerID and Churn column names
custid = ['___']
target = ['___']

# Store categorical column names
categorical = telco_raw.___()[telco_raw.nunique() < ___].keys().tolist()

# Remove target from the list of categorical variables
categorical.remove(___[0])

# Store numerical column names
numerical = [x for x in telco_raw.___ if x not in custid + ___ + categorical]

Upravit a spustit kód