시작하기무료로 시작하기

열 이진화하기

숫자형 값은 종종 별도의 특성 공학 없이 그대로 사용할 수 있지만, 경우에 따라 어떤 형태의 가공이 유용할 때가 있어요. 예를 들어 어떤 상황에서는 값의 크기 자체보다는 증가/감소 방향이나 존재 여부만 중요할 수 있어요. 이런 경우에는 열을 이진화(binarize)하면 좋아요. so_survey_df 데이터에는 자발적으로(급여 없이) 일하는 설문 응답자가 많이 있어요. 각 사람이 급여를 받는지(연봉이 0보다 큰지)를 나타내는 Paid_Job이라는 새 열을 만들어 보세요.

이 연습은 강의의 일부입니다

Python으로 배우는 Machine Learning 특성 공학

강의 보기

연습 안내

  • 0으로 채워진 Paid_Job이라는 새 열을 만드세요.
  • 해당하는 ConvertedSalary가 0보다 큰 곳의 Paid_Job 값을 모두 1로 바꾸세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create the Paid_Job column filled with zeros
so_survey_df[____] = ____

# Replace all the Paid_Job values where ConvertedSalary is > 0
so_survey_df.____[____, 'Paid_Job'] = 1

# Print the first five rows of the columns
print(so_survey_df[['Paid_Job', 'ConvertedSalary']].head())
코드 편집 및 실행