ComeçarComece de graça

Uma chamada perdida

Você terminou de remodelar seu conjunto de dados churn nos exercícios anteriores. Agora ele está pronto para uso. Você lembra que algo chamou sua atenção. Tem certeza de que viu um padrão claro nos dados.

Antes de ajustar um modelo de classificação, você decide fazer algo mais simples. Você quer ver o que mais pode aprender com os dados. Você vai remodelar seus dados fazendo unstack dos níveis, mas sabe que esse processo vai gerar dados ausentes que você precisa tratar.

O DataFrame churn contém diferentes variáveis de clientes localizados em Los Angeles e Nova York e está disponível para você. Não deixe de examiná-lo no console!

Este exercício faz parte do curso

Reestruturando dados com pandas

Ver curso

Instruções do exercício

  • Remodele o DataFrame churn fazendo unstack do nível chamado churn, preenchendo os valores ausentes com zero.
  • Ordene o DataFrame churn pela coluna voice_mail_plan em ordem decrescente e, em seguida, pela coluna international_plan em ordem crescente.
  • Imprima o DataFrame final churn_sorted.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(____)
Editar e executar o código