Benutzerdefinierte prozentuale Skalierung

In den Folien haben wir gezeigt, wie man Daten zwischen 0 und 1 skaliert. Manchmal möchtest du jedoch für Modellierung oder Darstellung anders skalieren.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering mit PySpark</Kurs>

Kurs ansehen

Übungsanweisungen

Berechne das Maximum und Minimum von DAYSONMARKET und speichere sie in den Variablen max_days und min_days. Vergiss nicht, collect() auf agg() anzuwenden.
Erzeuge mit withColumn() eine neue Spalte namens 'percentagescaleddays' auf Basis von DAYSONMARKET.
percentage_scaled_days soll eine Spalte von ganzen Zahlen im Bereich 0 bis 100 sein. Verwende round(), um ganze Zahlen zu erhalten.
Gib max() und min() für die neue Spalte percentage_scaled_days aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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.____({____: ____}).____())

Code bearbeiten und ausführen