Czas na stacking!
Nowy tydzień, nowy projekt! Jeden z twoich klientów – firma telekomunikacyjna – chce się dowiedzieć, dlaczego jej klienci odchodzą. Przeprowadzisz analizę, która pomoże to wyjaśnić. Na początku przyjrzyj się zbiorowi danych churn i zauważysz, że brakuje w nim pewnych informacji. Zbiór zawiera dane o łącznej liczbie połączeń i minutach spędzonych przy telefonie przez poszczególnych klientów. Brakuje jednak informacji o stanie i mieście, w którym mieszkają.
Przygotowano tablicę z tymi danymi. Chcesz dodać ją jako indeks do swojego DataFrame'u.
DataFrame churn jest już dostępny. Zawiera dane dotyczące kolumn area code, total_day_calls oraz total_day_minutes. Koniecznie sprawdź go w konsoli!
To ćwiczenie jest częścią kursu
Przekształcanie danych z pandas
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Predefined list to use as index
new_index = [['California', 'California', 'New York', 'Ohio'],
['Los Angeles', 'San Francisco', 'New York', 'Cleveland']]
# Create a multi-level index using predefined new_index
churn_new = pd.____.____(____, names=[____, ____])
# Print churn_new
print(churn_new)