Fai stacking delle chiamate!
Nuova settimana, nuovo progetto! Un tuo cliente, un'azienda di telecomunicazioni, vuole capire perché alcuni clienti stanno andando via. Farai un'analisi per scoprirlo. Per iniziare, hai esplorato il dataset churn e hai notato che mancano alcune informazioni. Il dataset contiene i dati sul numero totale di chiamate e sui minuti passati al telefono da diversi clienti. Tuttavia, non sono indicati lo stato e la città in cui vivono.
Hai già definito un array con queste informazioni. Vorresti aggiungerlo come indice nel tuo DataFrame.
Il DataFrame churn è a tua disposizione. Contiene i campi area code, total_day_calls e total_day_minutes. Assicurati di esaminarlo nella console!
Questo esercizio fa parte del corso
Rimodellare i dati con pandas
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Predefined list to use as index
new_index = [['California', 'California', 'New York', 'Ohio'],
['Los Angeles', 'San Francisco', 'New York', 'Cleveland']]
# Create a multi-level index using predefined new_index
churn_new = pd.____.____(____, names=[____, ____])
# Print churn_new
print(churn_new)