Statistiques sommaires pour les deux classes
Examinez le code .groupby() suivant :
# Regrouper par x et calculer l'écart-type
df.groupby(['x']).std()
Ici, un DataFrame df est regroupé selon la colonne 'x', puis l'écart-type est calculé pour toutes les colonnes de df pour chaque valeur de 'x'. La méthode .groupby() est extrêmement utile lorsque vous voulez examiner des colonnes précises de votre jeu de données. Vous allez maintenant explorer davantage la colonne 'Churn' pour voir s'il y a des différences entre les clients en départ et ceux qui restent. Une version réduite du DataFrame telco, qui comprend les colonnes 'Churn', 'CustServ_Calls' et 'Vmail_Message', est disponible dans votre espace de travail.
Si vous avez besoin d'un rappel sur le fonctionnement de .groupby(), consultez le cours préalable Manipulating DataFrames with pandas.
Cette activité fait partie du cours
Analytique marketing : prédire l'attrition de la clientèle avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Group telco by 'Churn' and compute the mean
print(telco.____(['____']).____())