Lidando com caracteres soltos (I)

Neste exercício, você vai trabalhar com a coluna RawSalary de so_survey_df, que contém os salários dos respondentes junto com símbolos de moeda e vírgulas, como $42,000. Ao importar dados do Microsoft Excel, é muito comum encontrar dados nesse formato.

Este exercício faz parte do curso

Feature Engineering for Machine Learning in Python

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Remove the commas in the column
so_survey_df['RawSalary'] = so_survey_df['RawSalary'].____(',', '')

Editar e executar o código

Este exercício faz parte do curso

Feature Engineering for Machine Learning in Python

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Neste capítulo, você vai explorar o que é engenharia de atributos e como começar a aplicá-la em dados do mundo real. Você vai carregar, explorar e visualizar um conjunto de respostas de pesquisa e, com isso, entender os tipos de dados subjacentes e por que eles influenciam a forma como você deve criar seus atributos. Usando o pacote pandas, você vai criar novos atributos a partir de colunas categóricas e contínuas.

Exercise 1: Por que gerar features?Exercise 2: Conhecendo seus dados Exercise 3: Selecionando tipos de dados específicos Exercise 4: Como lidar com variáveis categóricas Exercise 5: One-hot encoding e variáveis dummies Exercise 6: Lidando com categorias incomuns Exercise 7: Variáveis numéricas Exercise 8: Binarizando colunas Exercise 9: Agrupando valores em faixas (binning)

Este capítulo apresenta a realidade de dados bagunçados e incompletos. Você vai aprender a encontrar onde seus dados têm valores ausentes e explorar várias abordagens para tratá-los. Você também usará técnicas de manipulação de strings para lidar com caracteres indesejados no seu conjunto de dados.

Exercise 1: Por que existem valores ausentes?Exercise 2: Quão esparsos estão meus dados?Exercise 3: Encontrando os valores ausentes Exercise 4: Lidando com valores ausentes (I)Exercise 5: Exclusão por lista (listwise deletion)Exercise 6: Substituindo valores ausentes por constantes Exercise 7: Lidando com valores ausentes (II)Exercise 8: Preenchendo valores contínuos ausentes Exercise 9: Imputando valores em modelos preditivos Exercise 10: Lidando com outros problemas de dados Exercise 11: Lidando com caracteres soltos (I)

Exercício atual

Exercise 12: Lidando com caracteres soltos (II)Exercise 13: Encadeamento de métodos

Neste capítulo, o foco é analisar a distribuição subjacente dos seus dados e se ela impactará seu pipeline de Machine Learning. Você vai aprender a lidar com dados assimétricos e situações em que outliers podem estar prejudicando sua análise.

Exercise 1: Distribuições de dados Exercise 2: Como são os seus dados? (I)Exercise 3: How does your data look? (II)Exercise 4: Quando você não precisa transformar seus dados?Exercise 5: Escalonamento e transformações Exercise 6: Normalização Exercise 7: Padronização Exercise 8: Transformação logarítmica Exercise 9: Quando você pode usar normalização?Exercise 10: Removendo outliers Exercise 11: Remoção de outliers baseada em porcentagem Exercise 12: Remoção estatística de outliers Exercise 13: Dimensionando e transformando novos dados Exercise 14: Transformações de treino e teste (I)Exercise 15: Transformações de treino e teste (II)

Por fim, neste capítulo, você vai trabalhar com dados de texto não estruturados, entendendo maneiras de extrair atributos em colunas a partir de um corpus de texto. Você vai comparar como diferentes abordagens podem impactar o quanto de contexto é extraído de um texto e como equilibrar a necessidade de contexto sem criar atributos em excesso.

Exercise 1: Codificando texto Exercise 2: Limpando seu texto Exercise 3: Recursos textuais de alto nível Exercise 4: Contagem de palavras Exercise 5: Contando palavras (I)Exercise 6: Contando palavras (II)Exercise 7: Limitando suas features Exercise 8: Texto para DataFrame Exercise 9: Frequência de termo–frequência inversa de documento Exercise 10: Tf-idf Exercise 11: Inspecionando valores de Tf-idf Exercise 12: Transformando dados inéditos Exercise 13: N-grams Exercise 14: Usando n-gramas mais longos Exercise 15: Encontrando as palavras mais comuns Exercise 16: Encerramento