列リストをドロップする
このデータセットには多くの特徴量がありますが、すべてが有用とは限りません。役に立つ形に整えるのが難しいものも多く含まれています。まずは、すぐに役立たない列をドロップして取り除きましょう。
'STREETNUMBERNUMERIC': 物件の郵便住所における番地番号'FIREPLACES': 物件内の暖炉の数'LOTSIZEDIMENSIONS': 区画形状の自由記述テキスト'LISTTYPE': 売買種別の定義済み値セット'ACRES': 区画面積（数値）
この演習はコースの一部です
PySparkで学ぶ特徴量エンジニアリング
演習の手順
- 上の列説明を読み、
dfとして該当列にフィルタ済みのデータフレームの上位30件をshow()で確認してください。 - 住宅価格の予測にあまり関係しないという観点から、ドロップする2列のリスト
cols_to_dropを作成します。コンピュータは文脈を理解せず、明示的な数値だけを解釈する点に注意してください。 drop()関数を使って、データフレームdfからcols_to_dropに含まれる列を削除してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Show top 30 records
df.____(____)
# List of columns to remove from dataset
cols_to_drop = [____, ____]
# Drop columns in list
df = df.____(____)