डेटा को सुरक्षित रूप से जारी करने के लिए कर्मचारी डेटा तैयार करना
जब आप वास्तविक डेटा के साथ काम करते हैं, तो यह सुनिश्चित करना ज़रूरी है कि हमारे ग्राहकों या किसी भी व्यक्ति की निजी जानकारी किसी भी तरह से ट्रेस या उजागर न हो सके। इस अभ्यास में, आप IBM HR Analytics Employee डेटासेट के एक सरल संस्करण का उपयोग करके suppression और generalization तकनीकों का अभ्यास करेंगे.
डेटासेट के बारे में जानकारी लीक होने से बचाने के लिए, आप कॉलम नामों को संख्याओं से बदलेंगे.
DataFrame hr के रूप में लोड है, उसे जाँचने के लिए कंसोल का उपयोग करें. numpy को np के रूप में इम्पोर्ट किया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में डेटा प्राइवेसी और अज्ञातिकरण
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Drop unique data and almost unique data
df_dropped = ____(["employee_number", "monthly_income", "monthly_rate", "daily_rate"], axis=1)
# Drop the rows with NaN values
df_cleaned = ____