Séparer les colonnes numériques et catégorielles
Dans le dernier exercice, vous avez exploré les caractéristiques du jeu de données et vous êtes prêt à faire un prétraitement des données. Vous allez maintenant séparer les variables catégorielles et numériques du DataFrame telco_raw en utilisant un seuil personnalisé du nombre de valeurs uniques pour distinguer le catégoriel du numérique. Le module pandas a été chargé pour vous sous l'alias pd.
Le jeu de données brut sur l'attrition en télécom telco_raw a été chargé pour vous en tant que DataFrame pandas. Prenez le temps de vous familiariser avec le jeu de données en l'explorant dans la console.
Cette activité fait partie du cours
Machine Learning pour le marketing en Python
Instructions de l’exercice
- Stockez les noms de colonnes
customerIDetChurn. - Assignez à
categoricalles noms de colonnes qui ont moins de 5 valeurs uniques. - Retirez
targetde la liste. - Assignez à
numericaltous les noms de colonnes qui ne sont pas danscustid,targetetcategorical.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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]