ÎncepețiÎncepe gratuit

Crearea unei coloane booleane

Gândește-te că modelezi o întrebare cu răspuns da sau nu: a întârziat zborul? Datele tale conțin însă întârzierea la sosire în minute pentru fiecare zbor. Prin urmare, va trebui să creezi o coloană booleană care să indice dacă zborul a întârziat sau nu!

Acest exercițiu face parte din cursul

Fundamente PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosește metoda .withColumn() pentru a crea coloana is_late. Această coloană este egală cu model_data.arr_delay > 0.
  • Convertește această coloană la un tip întreg, astfel încât să o poți folosi în model, și denumește-o label (acesta este numele implicit pentru variabila de răspuns în rutinele de machine learning din Spark).
  • Filtrează valorile lipsă (acest pas a fost deja realizat pentru tine).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create is_late
model_data = model_data.withColumn("is_late", ____)

# Convert to an integer
model_data = model_data.withColumn("label", ____)

# Remove missing values
model_data = model_data.filter("arr_delay is not NULL and dep_delay is not NULL and air_time is not NULL and plane_year is not NULL")
Editează și rulează codul