Zusammenfassende Statistiken für beide Klassen
Betrachte den folgenden .groupby()-Code:
# Nach x gruppieren und die Standardabweichung berechnen
df.groupby(['x']).std()
Hier wird ein DataFrame df nach der Spalte 'x' gruppiert und anschließend für jeden Wert von 'x' die Standardabweichung über alle Spalten von df berechnet. Die Methode .groupby() ist unglaublich hilfreich, wenn du bestimmte Spalten deines Datensatzes untersuchen möchtest. Hier wirst du die Spalte 'Churn' genauer erkunden, um zu sehen, ob es Unterschiede zwischen Churnern und Nicht-Churnern gibt. Eine Teilmenge des telco-DataFrames mit den Spalten 'Churn', 'CustServ_Calls' und 'Vmail_Message' steht dir in deinem Workspace zur Verfügung.
Wenn du eine Auffrischung brauchst, wie .groupby() funktioniert, wirf einen Blick auf den vorausgesetzten Kurs Manipulating DataFrames with pandas.
Diese Übung ist Teil des Kurses
<Kurs>Marketing Analytics: Kundenabwanderung in Python vorhersagen</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Group telco by 'Churn' and compute the mean
print(telco.____(['____']).____())