Pisahkan kolom numerik dan kategorikal

Pada latihan sebelumnya, Anda telah menjelajahi karakteristik himpunan data dan siap melakukan pra-pemrosesan data. Sekarang Anda akan memisahkan variabel kategorikal dan numerik dari DataFrame telco_raw dengan ambang jumlah nilai unik kategorikal vs. numerik yang disesuaikan. Modul pandas telah dimuat untuk Anda sebagai pd.

Himpunan data churn telekomunikasi mentah telco_raw telah dimuat untuk Anda sebagai DataFrame pandas. Anda dapat membiasakan diri dengan himpunan data tersebut dengan mengeksplorasinya di konsol.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Pemasaran dengan Python

Lihat Kursus

Petunjuk latihan

Simpan nama kolom customerID dan Churn.
Tetapkan ke categorical nama-nama kolom yang memiliki kurang dari 5 nilai unik.
Hapus target dari list.
Tetapkan ke numerical semua nama kolom yang tidak termasuk dalam custid, target, dan categorical.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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]

Edit dan Jalankan Kode