Napisz do mnie!
Robisz postępy w projekcie dla swojego klienta. Teraz musisz przeanalizować nowy zbiór danych, aby znaleźć różnice w liczbie wiadomości tekstowych i gigabajtach (GB) danych wykorzystywanych przez klientów w ciągu dnia i nocy.
W tym celu przekształcisz zbiór danych churn, korzystając z różnych poziomów. Zaletą nowego zbioru danych jest to, że indeksy kolumn mają nazwy.
Dostępna jest dla ciebie ramka danych churn. Zawiera dane dotyczące state, city, text messages i total GB w porach day i night.
To ćwiczenie jest częścią kursu
Przekształcanie danych z pandas
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Stack churn by the time column level
churn_time = ____.____(____=____)
# Print churn_time
print(churn_time)