데이터 안전 공개를 위한 직원 데이터 준비
실제 데이터를 다룰 때는 고객이나 다른 사람의 개인 정보가 추적되거나 노출되지 않도록 반드시 주의해야 합니다. 이 연습 문제에서는 IBM HR Analytics Employee 데이터셋의 단순화된 버전을 사용해 억제(suppression)와 일반화(generalization) 기법을 연습해 보겠습니다.
데이터셋에 대한 정보를 유출하지 않기 위해 열 이름을 숫자로 바꿉니다.
DataFrame은 hr로 로드되어 있으니 콘솔에서 탐색해 보세요. numpy는 np로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 데이터 프라이버시와 익명화
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ____