Numerische und kategoriale Spalten trennen

In der letzten Übung hast du die Datensatzmerkmale untersucht und bist bereit für etwas Vorverarbeitung. Jetzt trennst du kategoriale und numerische Variablen aus dem DataFrame telco_raw mit einem eigenen Schwellenwert für die Anzahl eindeutiger Werte (kategorial vs. numerisch). Das Modul pandas wurde bereits als pd geladen.

Der Rohdatensatz zum Telecom-Churn telco_raw wurde als pandas DataFrame geladen. Du kannst dich in der Konsole mit dem Datensatz vertraut machen, indem du ihn erkundest.

Diese Übung ist Teil des Kurses

Machine Learning für Marketing mit Python

Kurs anzeigen

Anleitung zur Übung

Speichere die Spaltennamen customerID und Churn.
Weise categorical die Spaltennamen zu, die weniger als 5 eindeutige Werte haben.
Entferne target aus der Liste.
Weise numerical alle Spaltennamen zu, die nicht in custid, target und categorical enthalten sind.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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]

Code bearbeiten und ausführen