Extragerea Textului în Caracteristici Noi

Garajele sunt un aspect important pentru casele din Minnesota, unde majoritatea oamenilor dețin o mașină, iar zăpada de pe o mașină parcată afară este greu de îndepărtat. Tipul garajului contează și el – poți ajunge la mașina ta fără să te expui frigului sau nu? Să creăm o caracteristică has_attached_garage care să indice dacă garajul este atașat casei sau nu.

Acest exercițiu face parte din cursul

Feature Engineering cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Importă funcția necesară when() din pyspark.sql.functions.
Creează o condiție de potrivire a șirului folosind like() pentru a căuta tiparul Attached Garage în df['GARAGEDESCRIPTION'] și folosește caracterele wildcard % astfel încât să se potrivească oriunde în câmp.
Similar, creează o altă condiție folosind like() pentru a găsi tiparul Detached Garage în df['GARAGEDESCRIPTION'] și folosește caracterele wildcard % astfel încât să se potrivească oriunde în câmp.
Creează o nouă coloană has_attached_garage folosind when() pentru a atribui valoarea 1 dacă garajul este atașat, zero dacă este detașat și folosește otherwise() pentru a atribui null cu None dacă nu se încadrează în niciuna dintre categorii.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import needed functions
____ ____ ____ ____

# Create boolean conditions for string matches
has_attached_garage = df[____].____(____)
has_detached_garage = df[____].____(____)

# Conditional value assignment 
df = df.withColumn(____, (____(____, 1)
                                          .____(____, 0)
                                          .____(____)))

# Inspect results
df[['GARAGEDESCRIPTION', 'has_attached_garage']].show(truncate=100)

Editează și rulează codul