Gruparea valorilor în intervale
În multe cazuri, pentru valorile continue nu contează atât valoarea exactă a unei coloane numerice, cât intervalul în care aceasta se încadrează. Acest lucru poate fi util atunci când vizualizezi date sau când simplifici modelele de machine learning. Această tehnică este folosită mai ales pentru variabile continue unde precizia nu este esențială – de exemplu, vârstă, înălțime sau salarii.
Intervalele se creează folosind pd.cut(df['column_name'], bins), unde bins poate fi un număr întreg care specifică numărul de intervale egal distribuite sau o listă cu limitele intervalelor.
Acest exercițiu face parte din cursul
Ingineria caracteristicilor pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Bin the continuous variable ConvertedSalary into 5 bins
so_survey_df['equal_binned'] = ____(so_survey_df['ConvertedSalary'], ____)
# Print the first 5 rows of the equal_binned column
print(so_survey_df[['equal_binned', 'ConvertedSalary']].head())