Prétraiter les données censurées

Vous êtes biologiste marin et vous étudiez la durée de vie des dauphins à long bec. Vous avez accès à des données historiques sur leurs dates de naissance et de décès. Certains dauphins marqués ont migré vers une autre zone et le labo a perdu leur trace. D'autres sont des migrants d'un autre groupe, et leurs dates de naissance exactes sont inconnues. Certains dauphins sont toujours en vie!

Si la date de naissance est NaN, le dauphin est un migrant.
Si la date de décès est NaN, le dauphin s'est soit enfui soit est encore en vie.

Le DataFrame s'appelle dolphin_df. Pour créer une nouvelle colonne appelée observed afin d'indiquer si la durée de vie d'un dauphin est censurée, complétez la fonction check_observed avec les valeurs appropriées et utilisez .apply() pour appliquer la fonction à dolphin_df.

pandas et numpy sont importés sous les noms pd et np, respectivement.

Cette activité fait partie du cours

Analyse de survie en Python

Voir le cours

Instructions de l’exercice

Créez une fonction check_observed qui retourne 0 si le point de données est censuré, et 1 sinon.
Créez une colonne d'indicateur de censure appelée observed à l'aide de la fonction check_observed.
Affichez dans la console la valeur moyenne de la colonne observed.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create a function to return 1 if observed 0 otherwise
def check_observed(row):
    if pd.isna(row['birth_date']):
        flag = ____
    elif pd.isna(row['death_date']):
        flag = ____
    else:
        flag = ____
    return ____
  
# Create a censorship flag column
dolphin_df[____] = dolphin_df.apply(____, axis=1)

# Print average of observed
print(np.average(____))

Modifier et exécuter le code