Discretizarea tuturor variabilelor

În loc să discretizezi variabilele continue una câte una, este mai simplu să le discretizezi automat. Pentru a obține lista tuturor coloanelor în Python, poți folosi

variables  = basetable.columns

Numai variabilele continue ar trebui discretizate. Poți verifica dacă o variabilă trebuie discretizată verificând dacă are mai mult de un număr predefinit de valori distincte.

Acest exercițiu face parte din cursul

Introducere în analitica predictivă în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o listă variables care să conțină toate numele coloanelor din basetable.
Creează o buclă care verifică toate variabilele din lista variables.
Completează instrucțiunea if astfel încât să fie discretizate doar variabilele cu mai mult de 5 valori distincte.
Grupează variabilele continue în 10 intervale folosind metoda qcut.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Print the columns in the original basetable
print(basetable.columns)

# Get all the variable names except "target"
variables = list(____.____)
variables.remove("target")

# Loop through all the variables and discretize in 10 bins if there are more than 5 different values
for variable in ____:
    if len(basetable.groupby(____))>____:
        new_variable = "disc_" + variable
        basetable[new_variable] = pd.qcut(basetable[____], ____)
        
# Print the columns in the new basetable
print(basetable.columns)

Editează și rulează codul