Een gemiste telefoontje

Je hebt je churn-gegevensset in de vorige oefeningen opnieuw vormgegeven. Nu is hij klaar voor gebruik. Je herinnert je dat iets je aandacht trok. Je weet zeker dat je een duidelijk patroon in de data zag.

Voordat je een classificatiemodel traint, besluit je iets simpelers te doen. Je wilt zien wat je nog meer uit de data kunt halen. Je gaat je data opnieuw vormgeven door levels te unstacken, maar je weet dat dit proces ontbrekende data zal genereren die je moet afhandelen.

De churn DataFrame bevat verschillende kenmerken van klanten in Los Angeles en New York, en is voor je beschikbaar. Bekijk hem zeker even in de console!

Deze oefening maakt deel uit van de cursus

Data herstructureren met pandas

Cursus bekijken

Oefeninstructies

Vorm de churn DataFrame opnieuw door het level met de naam churn te unstacken en vul de ontbrekende waarden met nul.
Sorteer de churn DataFrame eerst op de kolom voice_mail_plan in aflopende volgorde en daarna op de kolom international_plan in oplopende volgorde.
Print de uiteindelijke DataFrame churn_sorted.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Unstack churn level and fill missing values with zero
churn = ____.____(level=____, ____=____)

# Sort by descending voice mail plan and ascending international plan
churn_sorted = churn.____(____=[____, ____], 
                          ____=[____, ____])

# Print final DataFrame and observe pattern
print(____)

Code bewerken en uitvoeren