Binaryzacja kolumn
Wartości numeryczne często można wykorzystać bezpośrednio, bez żadnej inżynierii cech – jednak czasem pewna forma przekształcenia okazuje się przydatna. Na przykład w niektórych sytuacjach nie interesuje cię wielkość danej wartości, lecz tylko jej kierunek albo sam fakt jej istnienia. W takich przypadkach warto zastosować binaryzację kolumny. W zbiorze danych so_survey_df duża część respondentów pracuje na zasadzie wolontariatu (bez wynagrodzenia). Utwórz nową kolumnę o nazwie Paid_Job, która będzie wskazywać, czy dana osoba otrzymuje wynagrodzenie (tj. czy jej pensja jest większa od zera).
To ćwiczenie jest częścią kursu
Inżynieria cech w uczeniu maszynowym w Pythonie
Instrukcje do ćwiczenia
- Utwórz nową kolumnę o nazwie
Paid_Jobwypełnioną zerami. - Zastąp wszystkie wartości w kolumnie
Paid_Jobjedynką wszędzie tam, gdzie odpowiadająca wartośćConvertedSalaryjest większa od 0.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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())